1.4 本书内容及安排

本书主要研究群优化方法在目标跟踪中的研究和应用，包括以下内容。

第1章为绪论，首先阐述了目标跟踪的一些应用领，包括军事、民用等方面；然后详细介绍了目标跟踪的国内外研究现状；接着对群优化方法在目标跟踪中的一些应用情况进行了描述；最后对本书主要研究内容进行了说明。

第2章介绍了优化算法与目标跟踪的关系，阐述了目标跟踪问题如何转换为求解最优化问题，对目标跟踪算法中常用的一些特征提取方法及相似度量函数的应用进行了概述，最后对优化算法和跟踪算法性能评价指标进行了简单的介绍。

第3章中，正余弦算法被引入目标跟踪框架，设计了一种基于SCA算法的跟踪系统，用来解决目标跟踪中的突变运动问题，并对该跟踪系统中参数的自适应和灵敏度进行了实验研究。

第4章中，飞蛾-火焰算法被引入跟踪框架，设计了一种基于MFO算法的跟踪系统，用来解决目标跟踪中的突变运动问题，并对该跟踪系统中参数的自适应和灵敏度进行了实验研究。

第5章针对布谷鸟搜索算法存在后期收敛速度慢的问题，将具有局部搜索能力的SM算法引入CS算法中，设计了一个基于改进CS算法的跟踪框架，改善了其跟踪性能。

第6章针对蚱蜢优化算法陷入局部最优的问题，将长期短距离和偶尔长距离游走的Levy飞行引入GOA算法中，设计了一个基于Levy飞行的改进的GOA算法，进一步加强和平衡了探索和开发阶段的性能，从而应用于改善跟踪精度和速度。

第7章针对蚁狮优化算法中单个精英易造成局部最优的问题，将精英库的概念引入ALO算法中形成拓展的ALO（EALO）算法，改善了算法的探索能力，从而增强了全局搜索能力；然后利用EALO算法的全局搜索能力和SCA算法的局部搜索能力，设计了一个基于混合EALO-SCA算法的跟踪框架，并对跟踪算法采用定性和定量的实验分析，验证了跟踪算法的有效性。

第8章针对鲸鱼优化算法中采用线性自适应参数易造成算法难以跳出局部最优的问题，将五分之一的原则引入WOA算法中，形成了改进的WOA（AWOA）算法，改善了算法的探索能力和开发性能；然后利用DE算法的混合能力及较快的收敛至全局最优的能力，设计了一个基于混合AWOA-DE算法的跟踪框架，采用23个基准函数对混合优化算法进行了性能评估，并对跟踪算法采用定性和定量的实验分析，验证了跟踪算法的有效性。

第9章对基于蚁狮优化算法的目标跟踪方法、基于改进布谷鸟搜索算法的目标跟踪方法、基于粒子群优化算法的目标跟踪方法的跟踪性能进行了实验，并将实验结果与基于SA算法的目标跟踪系统的跟踪结果进行比较，分析了它们在各种应用场景中的运行能力。