数据关联是多目标跟踪系统的关键问题，本文主要对联合概率数据关联算法(JPDA)进行研究，通过连续霍普菲尔德神经网络（CHNN）、遗传算法(GA)以及粒子群算法(PSO)三种智能算法对JPDA的优化，来提高JPDA的准确性，与此同时，利用混沌算法与三种智能算法相结合来进一步优化JPDA。　　密集杂波环境下，仅利用JPDA，很难将目标和杂波区分开。为了解决准确性的问题，本文将JPDA中关联矩阵的求解等价为多维分配问题，利用智能算法进行优化。CHNN将关联矩阵的元素看作神经元进行迭代，GA将关联矩阵的元素看作基因位进行遗传操作，PSO将关联矩阵的元素看作一个粒子，利用局部极值和全局极值进行粒子位置的更新。二维双传感器情景下的仿真证明了准确性的提高，与此同时，对比分析结果得到优化的效果好坏顺序依次为PSO，GA，CHNN。　　此外，将混沌算法为上述三种算法提供优化初始解，并对神经元、染色体或者粒子进行混沌优化，完成进一步的优化。仿真结果表明，该结合能够更显著地提高对目标的跟踪精度。　　最后，对论文研究工作进行了回顾总结，并对今后的研究工作进行了展望。