تحليل راهكارهاي مبتني بر محاسبات نرم و كلاسيك براي تخصيص دادگان درفرآيند رديابي اهداف: شبكه عصبي رقابتي و الگوريتم زوج يابي پايدار

در اين مقاله عملكرد دو گونه از رويكردها به منظور تخصیص دادگان در فرآيند رديابی چند هدف متحرك بررسی و ارزيابی می شوند كه در اين میان روش شبكه عصبی هاپفیلد رقابتی به عنوان نسخه بهبود يافته اي از شبكه عصبی هاپفیلد با استفاده از تلفیق عملكرد شبكه هاي بهینه ساز و شبكه هاي رقابتی بعنوان نماينده روش هاي خانواده محاسبات نرم و روش تخصیص مبتنی بر زوج يابی پايدار بعنوان نماينده روش هاي كلاسیك، مورد استفاده قرار می گیرند. اين ارزيابی عملكرد در دو حالت جداگانه و براي آشكارسازي اهداف با نحوه حركت خطی و غیرخطی انجام می پذيرد. نتايج حاصل از آزمونهاي فوق حاكی از برتري روش زوج يابی پايدار نسبت به شبكه عصبی هاپفیلد رقابتی می باشد. خطاي موثر در روش زوج يابی پايدار طبق دوسناريو برابر 104/3 متر و 35/2 متر می باشد كه اين مقدار خطا براي روش شبكه عصبی هاپفیلد رقابتی به ترتیب برابر 275/7 متر و 206/5 متر است.