赵禄达,王 斌,胡译舒元,曾 威
(1.国防科技大学 电子对抗学院,合肥 230037;2.中国人民解放军31680部队,成都 610031)
随着现代战争的发展,电子战呈现出精确化、智能化等深刻变化,近年来在精确作战和小型局部作战行动中效果显著,其作战任务的决策分析也是十分热门的研究领域。目前,许多学者对电子战战术干扰行动进行了广泛深入的研究,在对干扰行动的决策分析、作战指挥控制等方面取得了许多成果[1-2]。在解决干扰决策问题时,现代智能化算法得到了长足的应用。文献[3-4]采用传统的遗传算法对干扰任务的优化进行了分析求解,得到了比较好的求解结果。文献[5-6]分别使用动态交叉机制和多目标的目标函数聚合方法对遗传算法进行了改进,使干扰决策问题求解效率进一步增强。另外,免疫算法[7-8]、粒子群算法[9]、模拟退火算法[10]、离散布谷鸟算法[11]以及二进制遗传粒子群优化算法[12]等在解决这类问题时也有着较好的应用,在模型求解时表现出了较好的性能,能够一定程度推广到实际应用中。此外,随着人工智能技术的发展,许多学者将深度学习和强化学习运用到干扰决策问题中[13-14],使得电子战系统能够根据战场环境自动选择干扰样式,为此类问题的解决提供了新思路。但是,上述研究在求解干扰决策问题时主要存在以下几点问题:一是采用的模型约束不够贴近战场实际,对指挥员的优先决策条件考虑的较少,实际应用性不强;二是干扰分配的目标函数基本上使用的是单一目标函数,模型不够贴近实际运用;……