信息物理融合系统(CPS)是融合计算、通信与控制于一体的复杂信息系统。多目标跟踪是CPS的重要应用领域,涉及多目标的信息获取、实时定位和跟踪预测等。为进一步提高多目标跟踪在定位的精度和路径预测方面的准确性,本学位论文在CPS多目标跟踪中引入混合粒子群算法,设计与实现多目标定位与路径预测的优化方案。本文首先设计CPS多目标定位模型,再提出基于混合粒子群算法的CPS多目标定位方法,接着设计CPS多目标跟踪模型,最后提出基于混合粒子群算法的CPS多目标路径预测方法。针对上述CPS多目标定位和路径预测的优化方案,本文还分别进行仿真实验与性能分析。本文的工作创新主要体现在以下两个方面:(1)针对CPS当前目标定位算法在处理约束优化问题时存在收敛速度慢和易陷入局部最优等缺点,在应用粒子群算法时,引入了交叉和变异策略,避免CPS目标在迭代过程中陷入局部最优。此外,将空间距离约束与几何拓扑约束作为CPS多目标定位模型中的目标函数,采用混合粒子群算法求得CPS多目标跟踪中的最优解,与标准粒子群定位算法相比较,上述方案减少了CPS多目标定位误差,并缩短了目标到达极值点的时间。(2)针对CPS当前多目标跟踪方法在对目标进行路径预测方面精度不足等缺点,在应用粒子群算法时,引入采样和重采样策略,将预测更新过后的粒子权值进行归一化处理,挑选和复制权值较大的种群粒子再次进行迭代,避免了粒子的退化现象。运用优化后的公式获取种群中的粒子在不同时刻的观察值,使得CPS中的目标粒子不停地朝实际状态慢慢逼近,解决了粒子在不断迭代时因粒子稀少而降低预估精度等问题。