در این مقاله، به مسئله تخمین به‌صورت یک مسئله بهینهسازی مقید توجه شده و سپس با استفاده از روش‌های تکامل تفاضلی (DE) و اجتماع ذرات (PSO) حل شده است. فیلتر پیشنهادی به‌طور تصادفی در فضای حالت‌های سیستم شروع به جستجو می‌کند و بهترین تخمین را در هر لحظه به‌دست می‌آورد. عملکرد فیلتر پیشنهادی مبتنی بر تکامل تفاضلی و اجتماع ذرات با فیلتر کالمن توسعه‌یافته (EKF) و فیلتر ذره‌ای، برای یک سیستم غیرخطی در شرایط مختلف با هم مقایسه شده است. نتایج شبیه‌سازی‌ها نشان می‌دهد که عملکرد فیلترهای تکاملی در شرایط مختلف به‌مراتب بهتر از فیلتر کالمن توسعه‌یافته و فیلتر ذره‌ای است.
)
