Ｖ０１．３８．Ｎｏ．３ 火力与指挥控制 第３８卷第３期 Ｍａｒ，２０１３ Ｆｉｒｅ Ｃｏｎｔｏｒｌ＆Ｃｏｍｍａｎｄ Ｃｏｎｔｒｏｌ ２０１３年３月 文章编号：１００２—０６４０（２０１３）０３—００９９—０４ 基于改进遗传算法的雷达干扰资源优化分配 韩国玺，，何俊 ，茆学权 ，林震鹊 （１．解放军电子工程学院，合肥２３００３７；２．解放军９４６５４部队，南京２１００９４） 摘要：合理分配雷达干扰资源对于充分发挥干扰机作战效能，取得最佳干扰效益有着重要作用。结合空防对 抗的特点和雷达干扰的方法，对影响雷达干扰效果的各种因素进行分析，给出了相应的干扰效益因子，并依据多属 性决策理论建立了干扰资源的优化分配模型。将基于自适应排序选择策略的遗传算法应用于求解干扰分配模型，给 出了具体的解算步骤，并进行了实例仿真。仿真结果表明改进的遗传算法有效地解决了雷达干扰资源优化分配问 题，得到了最佳干扰资源分配方案。 关键词：多属性决策，改进遗传算法，干扰资源，优化分配 中图分类号：ＴＮ９７２ 文献标识码：Ａ Ｒｅｓｅａｒｃｈ ｏｎ Ｏｐｔｉｍａｌ Ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ Ｒａｄａｒ Ｊａｍｍｉｎｇ Ｒｅｓｏｕｒｃｅ Ｂａｓｅｄ ｏｎ Ｉｍｐｒｏｖｅｄ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ＨＡＮ Ｇｕｏ—ｘｉ ，ＨＥ Ｊｕｎ ，ＭＡＯ Ｘｕｅ－ｑｕａｎ‘，ＬＩＮ Ｚｈｅｎ—ｑｕｅ （１．Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ Ｊ 疵ｚ‘ ，Ｈｅｆｅｉ ２３００３７，Ｃｈｉｎａ；２．Ｕｎｉｔ ９４６５４ ｏｆＰＬＡ，Ｎａｎｊｉｎｇ ２１００９４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｏｐｔｉｍａｌ ｄｉｓｔｉｒｂｕｔｉｏｎ ｏｆ ｒａｄａｒ ｊａｍｍｉｎｇ ｒｅｓｏｕｒｃｅ ｐｌａｙｓ ａ ｋｅｙ ｒｏｌｅ ｉｎ ｕｔｉｌｉｚｉｎｇ ｊａｍｍｅｒ ｓｕｆｉｆｃｉｅｎｔｌｙ ａｎｄ ｏｂｔａｉｎｉｎｇ ｔｈｅ ｏｐｔｉｍａｌ ｊａｍｍｉｎｇ ｅｆｉｆｃｉｅｎｃｙ．Ａｃｃｏｒｄｉｎｇ ｔｏ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ａｉｒ－ｄｅｆｅｎｓｅ ｃｏｕｎｔｅｒｍｅ。ａｓｕｒｅ ａｎｄ ｔｈｅ ｍｅｔｈｏｄｓ ｏｆ ｒａｄａｒ ｊａｍｍｉｎｇ，ｔｈｅ ｆａｃｔｏｒｓ ａｆｆｅｃｔｉｎｇ ｒａｄａｒ ｊａｍｍｉｎｇ ｅｆｆｅｃｔ ａｒｅ ａｎａｌｙｚｅｄ．Ｔｈｅ ｉｎｄｅｘ ｏｆ ｊａｍｍｉｎｇ ｅｆｆｅｃｔ ｅｖａｌｕａｔｉｏｎ ａｎｄ ｔｈｅ ｒｅｌｅｖａｎｔ ｂｅｎｅｆｉｔ ｆｕｎｃｔｉｏｎ ａｒｅ ｐｒｅｓｅｎｔｅｄ．Ｔｈｅ ｏｐｔｉｍａｌ ｄｉｓｔｉｒｂｕｔｉｏｎ ｍｏｄｅｌ ｏｆ ｒａｄａｒ ｊａｍｍｉｎｇ ｒｅｓｏｕｒｃｅ ｉｓ ｂｕｉｌｔ ａｃｃｏｒｄｉｎｇ ｔｏ ｍｕｌｔｉ－ａｔｔｉｒｂｕｔｅ ｄｅｃｉｓｉｏｎ— ｍａｋｉｎｇ ｔｈｅｏｒｙ．Ｔｈｅｎ，ｔｈｅ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ａｄａｐｔｉｖｅ ｃｈｏｉｃｅ ｓｔｒａｔｅｇｙ ｉｓ ａｐｐｌｉｅｄ ｔｏ ｓｏｌｖｅ ｔｈｅ ｍｏｄｅｌ ａｎｄ ｔｈｅ ｃａｌｃｕｌａｔｉｏｎ ｓｔｅｐｓ ａｒｅ ｐｒｅｓｅｎｔｅｄ ｉｎ ｄｅｔａｉｌ．Ｆｉｎａｌｌｙ，ａｎ ｉｄｉｏｇｒａｐｈｉｃ ｅｘａｍｐｌｅ ｉｓ ａｎａｌｙｚｅｄ ａｎｄ ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｈａｖｅ ｓｈｏｗｎ ｔｈａｔ ｔｈｅ ｉｍｐｒｏｖｅｄ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ｉｓ ｖａｌｉｄ ａｎｄ ａｐｐｌｉｃａｂｌｅ ｆｏｒ ｔｈｅ ｏｐｔｉｍａｌ ｄｉｓｔｉｒｂｕｔｉｏｎ ｏｆ ｒａｄａｒ ｊａｍｍｉｎｇ ｒｅｓｏｕｒｃｅ ａｎｄ ｔｈｅｎ ｔｈｅ ｂｅｓｔ ｄｉｓｔｉｒｂｕｔｉｏｎ ｓｃｈｅｍｅ ｉｓ ｏｂｔａｉｎｅｄ． Ｋｅｙ ｗｏｒｄｓ：ｍｕｌｔｉ－ａｔｔｉｒｂｕｔｅ ｄｅｃｉｓｉｏｎ－ｍａｋｉｎｇ，ｉｍｐｒｏｖｅｄ ｇｅｎｅｔｉｃ ｌａｇｏｒｉｔｈｍ，ｊａｍｍｉｎｇ ｒｅｓｏｕｒｃｅ，ｏｐｔｉｍａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ 引 言 棘手问题。 针对雷达干扰资源优化分配问题，一些学者对 雷达干扰机分配…是在雷达侦察的基础上，根 基于动态规划［２ｌ、０—１规划［３］以及贴近度［ 等的干 据敌方雷达目标的数量、威胁等级、威胁时间等情 扰优化分配模型进行了研究，这些方法在一定的条 报，结合现有的干扰机以及战术要求，对干扰机进 件下，对解决规模较小的雷达干扰资源优化分配问 行任务分配的过程。在现代作战中，常常存在多部 题有自己的独到之处，但很难在短时间内对多雷达 雷达同时威胁的情况，雷达干扰机分配合理与否将 目标迅速有效地拟定及实时地调整干扰方案。进 直接影响作战效果。如何合理分配干扰机，充分发 而，王铁红、周林等人将遗传算法应用于求解干扰 挥干扰机的作战效能，就成了战场指挥员所面临的 分配模型［ ，但在实际应用中，基本遗传算法的稳 收稿日期：２０１２—０１—１５ 修回日期：２０１２—０３—０５ 作者简介：韩国玺（１９８６一），男，河南鹿邑人，博士生。主要研究方向：雷达对抗作战效能分析，雷达干扰资源分配优化。 ・９９・ （总第３８—０４６２） 火力与指挥控制 ２ｏ１３年第３期 定性差，且容易发生早熟收敛。针对这一问题，冯冬 青等人提出了一种改进的遗传算法 ，其选择策略 采用自适应排序选择方式，解决了进化初期早熟收 敛及后期随机漫游的问题。本文在分析影响雷达干 扰效果的各种因素的基础上建立了干扰资源的优 化分配模型，将改进遗传算法应用于求解干扰分配 模型，并进行了实例仿真。结果表明此方法能够快 速合理地进行雷达干扰机分配，达到最佳的整体干 扰效果。 １ 选取干扰效能指标及相应效能因子 雷达干扰资源分配首先就是在雷达侦察的基 础上，针对敌雷达的各种性能参数，结合我方现有 干扰资源的特点，研究分析各类资源的干扰效能。 因此，确立多个目标进行系统地分析是必要的，进而 可以利用多属性决策理论对干扰效能进行评估 。 这里对文献［８－９］中所列的一些指标进行了简化和 修正。 １．１干扰引导时间 这里主要考虑干扰引导时间对干扰效果的影 响。所谓的干扰机引导时间 ，即从接收到威胁雷 达信号到发出射频干扰信号的时间…，原则上要求 引导时间愈短干扰效果愈佳，这里取引导时间的倒 数为干扰机时域上的效益因子，即Ｅ ＝ｌ／Ａｔ 。可以看 出，Ｅ 越大，干扰效果越好。 １．２干扰机频率与雷达工件频率的对准程度 设敌雷达的工作频率范围为 ～ ，干扰机的频 率覆盖范围为一尼，则可用效益因子Ｅ：来表示频 ． ．率对准程度，如式（１）所示。 Ｅ２＝ ｆ ｛－ｊ 一ｊ５＜￥２ ＲＳ－＜ｊ５（１） 【 ｏ 或 显然，０≤Ｅ ≤１，其值越大，干扰效果越好。 １．３干扰功率 用功率压制效益因子Ｂ来表示干扰功率对干 扰效果的影响。 １ ／ ≥２Ｋ，， Ｅ３＝ 半一ｏ．５］ｏ．ｓ ＜ ２ ０ ／ ≤ｏ．ｓＫ ｔｓ式中， 敌雷达能接收到的干扰信号功率； 目标回波功率； 为敌雷达正常工作所需的干信 比。可见， 越大，干扰效果越好。 １．４干扰样式 干扰机的干扰样式必须与雷达体制相匹配，干 ・１００・ 扰样式越多，则匹配程度越高，干扰效果越好。干扰 样式通常有：瞄准式、阻塞式和扫频式３种遮盖性 干扰，距离欺骗、角度欺骗、速度欺骗和ＡＧＣ欺骗４ 种欺骗性干扰。设干扰机的干扰样式有 种，则干 扰样式效益因子为巴＝１／／ 。 １．５雷达的工作体制 不同工作体制的雷达其抗干扰性能也不相同。 分析各种：【作体制的雷达，相应的工作体制因子 分别为：相控阵０．２，单脉冲０．３，全相参０．４，照射 ０．６，线扫收发０．８，连续波０．６，圆锥扫描０．９等。 越大，抗干扰能力越差，对其干扰效果越好。 １．６雷达的抗干扰措施 雷达抗干扰措施越多，则其抗干扰能力越强， 对其实施干扰效果越差。雷达常用抗干扰措施有： 频率捷变、副瓣抑制、ＭＴＤ、恒虚警等１ １种。设被干 扰雷达采用了 种抗干扰措施，则抗干扰措施效 益因子为Ｅ ＝１一 ／１ １。 ２建立干扰资源分配模型 这里取系统总的干扰效能作为目标函数，分配 的目的是使多干扰资源对多雷达的总干扰效能值达 到最大。定义Ｘ／／为决策变量，其含义为‰＝１表示第 部干扰机干扰第 部雷达；％＝Ｏ表示第ｉ部干扰机干 扰第 部雷达。在实际情况中，每个评估指标对雷达 的干扰效果有着不同的作用，因此，可以定义各个指 标的权重系数Ｗ ，表征干扰效能指标 的重要程度 值。进而建立干扰资源优化分配数学模型如下。 ｍ ｎ ｍ ｎ ｆ ６ 、 Ｅ＝ｍａｘ∑∑ ｉ＝１ ｊ＝ｌ ＝ｍａｘ∑∑Ｉｉ＝１ ｉ＝ｔ ∑ ，ｌ＝１ ，／ Ｉ（３） 约束条件为：一部干扰机在某一时刻只能干扰 一部雷达；同一部雷达可以受到多部干扰机的干 扰。数学表达式为 ｉ＝ｌ，２，…，ｍ （４） Ｊ＝１，２，…， 其中，ｘｏ＝ｌ或０，Ｚ＝ｌ，２，…，６；Ｅ 和Ｅ 分别为 干扰机 对雷达 的总干扰效益值和第Ｚ个干扰 因子效益值。 ３应用改进遗传算法求解优化分配模型 将改进的遗传算法应用于雷达干扰资源优化 分配模型的求解过程中，具体步骤如下。 （１）染色体编码规则。由干扰资源优化分配模 型解 的含义，染色体采用近似二进制编码的向 韩国玺，等：基于改进遗传算法的雷达干扰资源优化分配 （总第３８—０４６３） 量形式。个体的基因数为ｍｘｎ（ｍ个干扰单元，ｎ个 雷达单元），用ｘｉｉ表示基因项，染色体个体表示为 ａｋ将生成的最优个体及次优个体放人子代种群子代中， 将父代中未进行交叉的配对个体也放人子代中。 （６）变异。变异通过按变异概率 随机反转某 位等位基因的字符值来实现。 （ｔ）＝Ｅｘｌｌ， ｌ２，…， ｌ ， ２ｌ， ２２，…， 知，…，９．￣ｍ１）Ｘ ，…， ｍ］， 其中ｋ为染色体在种群中的序号，ｔ为遗传代数。 （２）种群初始化。将整个可行域设定为初始群体 的生成区域，随机产生初始群体ｐ，种群规模为Ⅳ。 （３）适应度函数。干扰资源优化分配的目的是 最大限度地干扰空中威胁目标，系统目标函数即可 作为适应度函数，数学表达式如下。 （７）将子代赋给ｐ，作为下一代初始种群。 （８）终止条件。可采用规定遗传代数７１与个体 适应度相结合的方法作为终止条件，即经过 （ ≤ ）次迭代后，所选出的最优个体的适应度不再增 加，表明全局最优个体从第 代开始出现，则终止 遗传搜索，否则转步骤（２）。 ｆ［ａ （ｆ）】＝∑∑ ｉ＝１ ｊ＝１ （５） 分别计算Ｑ中个体的适应度，并按一定比例保留最 优个体。 ４仿真示例及结果分析 上述改进遗传算法为排序压力引人自适应调 节机制，确保选择压力随种群性能的改变而动态调 整，采用新的竞争择优策落提高种群中个体的平均 性能。文献［７］选取了典型测试函数进行仿真，表明 有较大提高。 （４）选择。对ｐ按式（６）进行自适应排序选择操 作，选择操作后的群体为父代。 ＝ 一 ｌ Ｉ７７ ＝１＋ ，一 ／ １） Ｉ㈤ 了该算法在寻优精度和收敛速度上较原有算法均 一 、ｖ， 这里主要验证上述算法解决干扰分配模型的 有效性和可行性。假定我方在重要目标附近部署３ 部雷达干扰设备，敌方有３个来袭目标，即有３部 雷达。某时刻的装备位置信息如表１所示，装备性 能参数如表２所示［．￣－８１。 表１装备实体位置信息 式中，Ｐ（ｋ）为线性排序的选择概率；ｋ＝ｌ，２，…， Ⅳ－ 为群体的平均适应度值 的期望值，且矿＋＿叼＿＿２。 为群体最优适应 度值；矿，７７一分别表示最优和最差个体在选择操作后 可见，通过调整矿，使它在［１，２］之间取值，可以 实现动态调整种群选择策略的目的。在进化初期，由 于初始种群是随机产生的，因此，个体间性状差异 大，种群平均适应度和种群最优个体间差距大 ／ ．厂眦比值较小， 墩小，算法具有较强的求泛能力来拓 展搜索空间；在进化后期，种群平均适应度与最优适 应度趋于相等，即厶 ，矿一２此时算法具有很强 求精能力，保证了算法快速收敛到全局最优解。 （５）交叉。对父代随机配对，对每个配对个体根据 交叉概率 ，并按竞争择优交叉策略进行交叉操作， 表２装备性能参数 ・１０１・ （总第３８—０４６４） 火力与指挥控制 参考文献： ２０１３年第３期 对于干扰机 对雷达Ｒ 的总干扰效益值 和 第Ｚ个干扰因子效益值 Ⅲ的获取按照１小节中所 述进行计算，其中 １，２，３； ＝ｌ，２，３。这里设定对于 ［１］崔宗国．雷达对抗原理［Ｍ］．北京：国防丁业出版社，１９９８． ［２］姜宁，胡维礼，王基组．雷达干扰资源分配的模糊多属 性动态规划模型［Ｊ］．南京理工大学学报，２００３，２７（３）： ３１４－３１７． 每种干扰机对各种雷达单元的干扰引导时间相同， 即干扰时域效益因子相同；干扰效能指标 对应的 权值分别为０．８，１，０．７５，０．６４，０．６，０．５。改进遗传算 法采用二进制单点交叉，交叉概率 ＝０．６；使用位单 ［３］沈阳，陈永光，李修和．基于０－１规划的雷达干扰资源 优化分配研究［Ｊ］．兵Ｔ学报，２００７，２８（５）：５２８—５３２． ［４］吕永胜，王树宗，王向伟．基于贴近度的雷达干扰资源分 配策略研究［Ｊ］．系统 程与电子技术，２００５，２７（１１）： １８９３—１８９４．１９７４． 点翻转变异，变异概率 ０．２；最优个体保留比例为 １／１５；种群大小为３０，迭代次数为１００。 按照上述条件，进行了计算机仿真，利用３小 节中的求解过程对优化模型进行解算，最终形成的 分配方案为：干扰机１干扰雷达１，干扰机２干扰雷 达２，干扰机３干扰雷达３，获得的最优目标函数值 为１０．０１８ ７，此时总的干扰效果最佳，干扰资源得到 ［５］王铁红，李莹地面防空对抗系统干扰资源优化分配研 究［Ｊ］．中国电子科学研究院学报，２００８，１３（５）：４４１—４４５． ［６］周林，张６７—６９． 文，娄寿春．基于遗传算法的雷达网干扰决 策模型研究［Ｊ］．装备指挥技术学院学报，２００３，１３（３）： ［７］冯冬青，王［８］周非，马雁．遗传算法中选择交叉策略的改 文．多属性决策在雷达十扰效果评 了充分利用，达到了干扰资源优化分配的目的。 进［Ｊ］．计算机工程，２００８，３４（１９）：１８９—１９１． 林，娄寿春，张估中的应用研究［Ｊ］．雷达与对抗，２００１（５）：１４—１８． ［９］林乔木，唐少伯．地多目标模糊优选动态规划在舰艇雷达 干扰资源分配中的应用［Ｊ］．系统工程与电子技术， ２００７，２９（３）：３９６—３９８． ５ 结束语 本文在分析影响雷达干扰效果的各种因素的 基础上建立了干扰资源的优化分配模型，将改进遗 传算法应用于求解干扰分配模型，并进行了实例仿 真。仿真结果表明此方法能够快速合理地进行雷达 干扰机分配，达到最佳的整体干扰效果。 ［１Ｏ］张帅，刘忠，石建迈，等．基于混沌搜索算法的雷达 干扰兵力优化分配［Ｊ］＿四川兵Ｔ学报，２０１２，３３（６）：６－８． （上接第９８页） 表２任务分配结果 门和军事机构的合作任务求解的组织形成问题，对 于子任务产生及Ａｇｅｎｔ挑选的处理不够细致，这也 是今后需要研究的方向。 参考文献： ［１］黄文剑，张敬华．信息化条件下指挥决策的发展与变化 ［Ｊ］．炮兵学院学报，２００６，９８（１）：２９—３０． ［２］王鸿洁．基于智能体的指挥控制建模仿真方法研究［Ｄ］． 西安：空军工程大学，２００７． ［３］徐晋晖，张伟，石纯一．面向结构的Ａｇｅｎｔ组织形成和 其组成为Ａｇｅｎｔ１ １、Ａｇｅｎｔ１２、Ａｇｅｎｔ１３、Ａｇｅｎｔ２、Ａｇｅｎｔ１、 演化机制［Ｊ］．计算机研究与发展，２００１，３８（８）：８９７—９０３． ［４］杨军，李中学．基于组织效用的Ａｇｅｎｔ组织形成和演化 机制［Ｊ］．计算机＿Ｔ程与设计，２００９，３０（５）：１２８５—１２８８． Ａｇｅｎｔ２２、Ａｇｅｎｔ２３，指挥决策Ａｇｅｎｔ分配任务的能力 需求与航空兵火力突击任务需求相匹配。 ［５］Ｍｏｈａｍｍｅｄ Ｓ，Ｒｉｎｇｓｅｉｓ Ｅ．Ｃｏｇｎｉｔｉｖｅ Ｄｉｖｅ￣ｉｔｙ ａｎｄ Ｃｏｎｓｅｎｓｕｓ ｉｎ Ｇｒｏｕｐ Ｄｅｃｉｓｉｏｎ Ｍａｋｉｎｇ：Ｔｈｅ Ｒｏｌｅ ｏｆ Ｉｎｐｕｔｓ，Ｐｒｏｃｅｓｓｅｓ， ４ 结束语 决策团队形成问题是指挥决策Ａｇｅｎｔ协同规划 作战方案的前提和基础，是组织决策的重要研究内 ａｎｄ Ｏｕｔｃｏｍｅｓ［Ｊ］．Ｏｒｇａｎｉｚａｔｉｏｎａｌ Ｂｅｈａｖｉｏｒ ａｎｄ Ｈｕｍａｎ Ｄｅｃｉ— ｓｉｏｎ Ｐｒ￣ｅｓｓｅｓ．２００１．８５（２）：３１０—３３５． ［６］胡晓峰，杨镜宇，司光亚．战争复杂系统仿真分析与实验 ［Ｍ］．长沙：国防大学出版社，２００８：２２４—２２７． ［７］Ａｌｂｅｒｔｓ，Ｄａｖｉｄ Ｓ，Ｒｉｃｈａｒｄ Ｅ Ｈ．Ｐｏｗｅｒ ｔｏ ｔｈｅ Ｅｄｇｅ：Ｃｏｍ— ｍａｎｄ，Ｃｏｎｔｒｏｌ ｉｎ ｔｈｅ Ｉｎｆｏｒｍａｔｉｏｎ Ａｇｅ［Ｒ］．Ｗａｓｈｉｎｇｔｏｎ，ＤＣ： ＣＣＲＰ Ｐｕｂｌｉｃａｔｉｏｎ Ｓｅｒｉｅｓ．２００３：１２７—１５９． 容。本文针对现有的算法不能有效解决网络化作战 指挥决策背景下的决策团队形成的不足，给出了网 络化作战指挥决策层次结构，并利用该结构实现了 决策任务的逐级分解分配，充分发挥指挥决策Ａｇｅｎｔ 的主动性和协作性。这种方法可以用于解决政府部 ・［８］李为相，张广明，李帮义．一种多属性的ＭＡＳ任务分配机 制研究［Ｊ］．系统工程与电子技术，２００９，３１（５）：１１１３—１１１６． １０２・