.png){kind=icon}
返回
Distributed predefined-time optimal allocation for multi-target tracking using constrained kWTA networks
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2026.109389.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
分布式任务分配在多目标跟踪中起着关键作用，特别是在动态、大规模环境中。本文研究了分布式多目标跟踪中的最优任务分配问题（TAP），其中智能体需要被适当地分配以跟踪多个目标，同时避免冲突和未跟踪目标。TAP通过采用目标-智能体距离作为评估标准，被表述为一个受约束的k胜者通吃（kWTA）问题。由于受约束的kWTA表述对输入信号提出了特定要求，该问题被分为一致性和不一致性两种情况。对于一致性情况，开发了一种分布式受约束kWTA网络，以预定时间内收敛到最优任务分配。对于不一致性情况，设计了一种分布式扰动机制，以消除不一致性同时保持最优性。数值仿真证明了所提出网络的有效性和可扩展性，为现实世界动态多目标跟踪场景提供了实际价值。
Keyword:
Distributed optimization
Collaborative neurodynamic approach
k-winners-take-all networks
Task allocation
Multi-target tracking
Predefined-time convergence
