定量金相中的多目标边界追踪与特征分析方法(2004年)

详细探讨了多目标优化领域的关键内容，涵盖了NSGA2、NSGA3、MOEA等重要方法，介绍它们在解决多目标优化问题中的应用和优势。

描述了Matlab中点追踪与边界跟踪的技术应用。

介绍了一种利用高斯背景提取和运动检测的方法，实现在视频中对动态目标的精准跟踪。附带详细的Matlab程序和相关视频文件，为实现视频监控和分析提供了实用的工具。

介绍了多目标滑模模型算法（MOSMA），这是最近开发的滑模模型算法（SMA）的一种变体，专门用于解决行业中的多目标优化问题。近年来，优化社区提出了多种元启发式和进化优化技术，用于处理这些优化问题。在评估多目标优化（MOO）问题时，这些方法通常会面临解决方案质量低下的问题，而非准确估计帕累托最优解和所有目标函数的分布。SMA方法基于实验室对黏菌振荡行为的观察而来，显示出强大的性能，通过结合最佳食物路径设计。MOSMA算法采用SMA机制进行收敛，并结合精英非支配排序方法来估计帕累托最优解。此外，MOSMA保留了多目标公式，并利用拥挤距离算子来确保所有目标的最佳解决方案覆盖范围扩展。为了验证MOSMA的性能，本研究考虑了41个不同的案例研究。

多目标粒子群算法是一种基于群体智能的优化算法，解决复杂的多目标优化问题。它结合了粒子群算法的搜索机制和多目标优化的需求，通过不断演化的粒子群群体，寻找出多个最优解集合。该算法通常用于解决包括测试函数在内的多种优化问题。

这个文件夹收录了2018年及以前的多种高效实时目标追踪算法源码，主要使用matlab编程，部分算法涉及matlab和C++混合编程。算法包括BACF、DSST、ECO、fDSST、STC、OpenTLD、TLD、SAMF等。

运用反向学习模型的最新多目标进化算法，在优化问题领域取得突破性的进展。

通过对2004年11 d27次火箭增雨降温作业前后降水与降温情况的分析，重点研究了8月5日常州作业效果，探讨强对流云催化降温机理和作业着眼点，为后续工作提供依据。

这是一份基于Matlab编写的源程序，实现了粒子滤波算法的详细流程和基本算法原理。