《表1 平均状态估计误差:基于GPU并行优化的BBPSO-PF算法》
利用BBPSO算法对PF算法的重采样环节进行优化,在保证算法精度的前提下提高算法实时性.通过与随机重采样(random resampling,RAR)、多项式重采样(multinomial resampling,MR)、系统重采样(systematic resampling,SR)和残差重采样(re‐sidual resampling,RR)方法的状态估计精度进行对比,状态估计误差如表1所示.从表中数据可以看出:BBPSO-PF算法的状态估计误差低于其他重采样方法,表明BBPSO算法优化PF算法提高了算法的精度.在不同粒子数的情况下,对BBPSO-PF算法和文献[18]、文献[19]的重采样方法进行串行时间的测试,结果如图9所示,可以看出:BBPSO-PF算法的实时性介于文献[18]和文献[19]的算法,原因在于BBPSO算法与PF算法的结合增加了算法的复杂度.
图表编号 | XD00200080200 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.23 |
作者 | 曹洁、胡文东、王进花、余萍 |
绘制单位 | 兰州理工大学计算机与通信学院、兰州理工大学电气工程与信息工程学院、兰州理工大学甘肃省城市轨道交通智能运营工程研究中心、兰州理工大学计算机与通信学院、兰州理工大学电气工程与信息工程学院、兰州理工大学电气工程与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |