一种干扰资源分配方法及系统
本发明涉及资源分配领域，特别是涉及一种干扰资源分配方法及系统。
背景技术：
随着信息化战争的发展，目前的战争形态正趋向“陆海空天信”多维战争转变。雷达作为信息战中最为重要的组成部分之一，其主要功能是对目标进行探测、定位与跟踪，所以对其实施干扰具有极高的战略意义。
然而在多体制、宽频带的雷达网探测体系应用于电子对抗后，以往一对一电子对抗形式基本难以对多雷达产生实质性的影响和干扰。为了提升对多雷达的干扰效果，可以通过协同干扰技术将众多不同类型的干扰资源进行结合，统一调度达到干扰效果最优的目的。
干扰资源分配的研究是一种特殊的武器-目标分配问题，属于非确定性多项式完全问题，包括离散性、动态性、非线性等特征。研究主要集中在建立分配目标函数和确定求解算法两方面。
由于雷达工作体制的多样性和信号处理技术的复杂性，使得评价雷达工作性能的指标也具有多面性，选择不同的评价指标最终会建立不同形式的干扰资源分配目标函数。搭建了符合实际战的模型后，同时也需要选择合适的求解算法，常用的干扰分配方法可以分为搜索算法和启发式算法两类。传统的搜索方法是将该问题简化为数学规划模型，然后采用枚举法、动态规划、分支定界等方法进行求解。但问题的求解受维数的限制，当问题的维数增加时，运算复杂度将成指数增加，很难得到最优解。启发式算法在求解该问题时取得了较好的效果，包括遗传算法、遗传模拟退火算法、蚁群算法、粒子群算法、拍卖算法等，但仍存在收敛速度慢、全局寻优能力弱等问题，导致干扰资源分配结果收敛速度慢且全局寻优能力弱，不适宜掩护我方目标执行任务。
技术实现要素：
本发明的目的是提供一种提高收敛速度和收敛质量的干扰资源分配方法，可以有效提高我方干扰机对敌方雷达干扰的效率和结果的准确度，可以更好的掩护我方目标执行任务。
为实现上述目的，本发明提供了如下方案：
一种干扰资源分配方法，包括：
构建干扰资源分配函数；
采用人工蜂群算法，基于差分变异因子和随机函数对所述干扰资源分配函数中的干扰资源矩阵进行邻域搜索，得到我方干扰机对敌方雷达的最优干扰资源分配结果；所述干扰资源矩阵是根据我方干扰机对敌方雷达的干扰情况构建的；所述最优干扰资源分配结果为使所述干扰资源分配函数的适应度最高的干扰资源矩阵。
可选的，所述构建干扰资源分配函数，具体包括：
计算我方干扰机对敌方雷达检测概率指标的干扰效能；
基于所述干扰效能、我方各干扰机对敌方各雷达的干扰情况和敌方各雷达归一化威胁指数构建干扰资源分配函数。
可选的，所述干扰资源分配函数为：
subjectto
可选的，所述采用人工蜂群算法，基于差分变异因子和随机函数对所述干扰资源分配函数中的干扰资源矩阵进行邻域搜索，得到我方各干扰机对敌方各雷达的最优干扰资源分配结果，具体包括：
在第n次迭代次数下，基于差分变异因子和随机函数对初始干扰资源矩阵进行邻域搜索，得到第一搜索干扰资源矩阵；所述初始干扰资源矩阵是首次迭代时对我方干扰机对敌方雷达的干扰情况初始化形成的矩阵；
计算所述初始干扰资源矩阵的初始适应度和所述第一搜索干扰资源矩阵的搜索适应度，并确定所述初始适应度和所述搜索适应度中最大的适应度对应的干扰资源矩阵为第一干扰资源矩阵；
基于差分变异因子和随机函数对所述第一干扰资源矩阵进行邻域搜索，得到第n次迭代次数下的第二搜索干扰资源矩阵；
判断n是否达到设定迭代次数，得到第一判断结果；
若所述第一判断结果为是，则将前n次适应度最大的第二搜索干扰资源矩阵确定为我方各干扰机对敌方各雷达的最优干扰资源分配结果；
若所述第一判断结果为否，则进行第n+1次迭代，直至得到我方各干扰机对敌方各雷达的最优干扰资源分配结果。
可选的，所述基于差分变异因子和随机函数对所述第一干扰资源矩阵进行邻域搜索，得到第n次迭代次数下的第二搜索干扰资源矩阵，具体包括：
基于差分变异因子和随机函数对所述第一干扰资源矩阵进行第m次邻域搜索，得到第m次邻域搜索下的第二干扰资源矩阵；
计算所述第一干扰资源矩阵的第一适应度和所述第二干扰资源矩阵的第二适应度；
判断所述第二适应度是否大于所述第一适应度，得到第二判断结果；
若所述第二判断结果为是，则将第m次邻域搜索下的第二干扰资源矩阵确定为第n次迭代次数下的第二搜索干扰资源矩阵；
若所述第二判断结果为否，则判断m是否达到设定领域搜索次数，得到第三判断结果；
若所述第三判断结果为是，则返回所述基于差分变异因子和随机函数对初始干扰资源矩阵进行邻域搜索，得到第一搜索干扰资源矩阵的步骤，直至得到第n次迭代次数下的第二搜索干扰资源矩阵；
若所述第三判断结果为否，则进行第m+1次邻域搜索，直至得到第n次迭代次数下的第二搜索干扰资源矩阵。
可选的，所述计算我方干扰机对敌方雷达检测概率指标的干扰效能，具体包括：
根据我方待掩护目标的位置、敌方第j个雷达的位置和我方第i个干扰机的位置计算第一距离和第二距离；所述第一距离为敌方第j个雷达到我方第i个干扰机的距离，所述第二距离为敌方第j个雷达到我方待掩护目标的距离；
根据第一参数、所述第一距离和所述第二距离计算第二检测概率；所述第一参数包括我方待掩护目标的雷达散射面积、敌方第j个雷达的发射功率、敌方第j个雷达的天线主瓣增益、敌方第j个雷达的发射载波波长、我方第i个干扰机的干扰发射功率和敌方第j个雷达对待掩护目标的虚警概率；
根据第二参数和所述第二检测概率计算我方第i个干扰机对敌方第j个雷达检测概率指标的干扰效能；所述第二参数包括第一检测概率、第一探测概率和第二探测概率；所述第一检测概率为我方第i个干扰机对敌方第j个雷达干扰时各雷达对我方待掩护目标的检测概率，所述第一探测概率为在未探测到我方待掩护目标的敌方雷达集合中各敌方雷达的探测概率，所述第二探测概率为探测到我方待掩护目标的敌方雷达集合中各敌方雷达的探测概率。
可选的，所述根据第一参数、所述第一距离和所述第二距离计算第二检测概率具体为：
根据敌方第j个雷达的发射功率、敌方第j个雷达的天线主瓣增益、敌方第j个雷达的发射载波波长、我方待掩护目标的雷达散射面积和敌方第j个雷达到我方待掩护目标的距离计算敌方第j个雷达接收到的我方待掩护目标的回波功率；
根据我方第i个干扰机的干扰发射功率、敌方第j个雷达的天线主瓣增益、敌方第j个雷达的发射载波波长和敌方第j个雷达到我方第i个干扰机的距离计算敌方第j个雷达接收到的干扰信号功率；
根据所述敌方第j个雷达接收到的我方待掩护目标的回波功率和所述敌方第j个雷达接收到的干扰信号功率计算敌方第j部雷达的信干比；
根据所述第j部雷达的信干比和敌方第j个雷达对待掩护目标的虚警概率计算第二检测概率。
可选的，所述根据第二参数和所述第二检测概率计算我方第i个干扰机对敌方第j个雷达检测概率指标的干扰效能，具体为：
根据所述第二检测概率、所述第一探测概率和所述第二探测概率计算第三检测概率，所述第三检测概率为无干扰时多敌方雷达对我方待掩护目标的检测概率；
根据所述第一检测概率和所述第三检测概率计算我方第i个干扰机对敌方第j个雷达检测概率指标的干扰效能。
可选的，所述基于差分变异因子和随机函数对初始干扰资源矩阵进行邻域搜索，得到第一搜索干扰资源矩阵，具体为：
根据公式
一种干扰资源分配系统，包括：
函数构建模块，用于构建干扰资源分配函数；
最优干扰资源分配结果确定模块，用于采用人工蜂群算法，基于差分变异因子和随机函数对所述干扰资源分配函数中的干扰资源矩阵进行邻域搜索，得到我方干扰机对敌方雷达的最优干扰资源分配结果；所述干扰资源矩阵是根据我方干扰机对敌方雷达的干扰情况构建的；所述最优干扰资源分配结果为使所述干扰资源分配函数的适应度最高的干扰资源矩阵。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明通过在邻域搜索时引入差分进化因子人工蜂群算法，得到适应度最高的干扰资源矩阵，指挥员可以在作战时根据得到的干扰资源矩阵安排我方干扰机是否对敌方雷达进行干扰，而且增强人工蜂群算法的全局寻优能力，有效提高干扰资源分配结果的收敛速度和收敛质量以提高我方干扰机对敌方雷达干扰的效率和结果的准确度，针对敌方多雷达进行干扰资源的分配，可以更好的掩护我方目标执行任务。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种干扰资源分配方法的流程图；
图2为本发明实施例提供的一种干扰资源分配系统的结构框图；
图3为本发明实施例提供的一种更加具体的干扰资源分配方法的流程图；
图4为对本发明实施例提供的干扰资源分配方法进行仿真的干扰资源分配结果图；
图5为对本发明实施例提供的干扰资源分配方法进行仿真得到的各得带次数下的适应度的折线图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明实施例提供了一种干扰资源分配方法，所述方法包括：
步骤101：构建干扰资源分配函数。
步骤102：采用人工蜂群算法，基于差分变异因子和随机函数对所述干扰资源分配函数中的干扰资源矩阵进行邻域搜索，得到我方干扰机对敌方雷达的最优干扰资源分配结果；所述干扰资源矩阵是根据我方干扰机对敌方雷达的干扰情况构建的；所述最优干扰资源分配结果为使所述干扰资源分配函数的适应度最高的干扰资源矩阵，指挥员可以在作战时根据得到的干扰资源矩阵安排我方各干扰机是否对敌方各雷达进行干扰。
在实际应用中，所述构建干扰资源分配函数，具体包括：
计算我方干扰机对敌方雷达检测概率指标的干扰效能；
基于所述干扰效能、我方各干扰机对敌方各雷达的干扰情况和敌方各雷达归一化威胁指数构建干扰资源分配函数。
在实际应用中，所述干扰资源分配函数为：
subjectto
在实际应用中，步骤102具体包括：
在第n次迭代次数下，基于差分变异因子和随机函数对初始干扰资源矩阵进行邻域搜索，得到第一搜索干扰资源矩阵；所述初始干扰资源矩阵是首次迭代时对我方干扰机对敌方雷达的干扰情况初始化形成的矩阵。
计算所述初始干扰资源矩阵的初始适应度和所述第一搜索干扰资源矩阵的搜索适应度，并确定所述初始适应度和所述搜索适应度中最大的适应度对应的干扰资源矩阵为第一干扰资源矩阵；(这里可以采用贪婪算法选取数值更大的适应度，将数值更大的适应度对应的干扰资源矩阵为第一干扰资源矩阵)。
基于差分变异因子和随机函数对所述第一干扰资源矩阵进行邻域搜索，得到第n次迭代次数下的第二搜索干扰资源矩阵。
判断n是否达到设定迭代次数，得到第一判断结果。
若所述第一判断结果为是，则将前n次适应度最大的第二搜索干扰资源矩阵确定为我方各干扰机对敌方各雷达的最优干扰资源分配结果。
若所述第一判断结果为否，则进行第n+1次迭代，直至得到我方各干扰机对敌方各雷达的最优干扰资源分配结果。
在实际应用中，所述基于差分变异因子和随机函数对所述第一干扰资源矩阵进行邻域搜索，得到第n次迭代次数下的第二搜索干扰资源矩阵，具体包括：
基于差分变异因子和随机函数对所述第一干扰资源矩阵进行第m次邻域搜索，得到第m次邻域搜索下的第二干扰资源矩阵。
计算所述第一干扰资源矩阵的第一适应度和所述第二干扰资源矩阵的第二适应度。
判断所述第二适应度是否大于所述第一适应度，得到第二判断结果；若所述第二判断结果为是，则将第m次邻域搜索下的第二干扰资源矩阵确定为第n次迭代次数下的第二搜索干扰资源矩阵；若所述第二判断结果为否，则判断m是否达到设定领域搜索次数，得到第三判断结果；(这里可以采用贪婪算法对第一适应度和第二适应度进行处理选取数值更大的适应度，如选取的数值更大的适应度是第二适应度则将第m次邻域搜索下的第二干扰资源矩阵确定为第n次迭代次数下的第二搜索干扰资源矩阵，若选取的数值更大的适应度是第一适应度则判断m是否达到设定领域搜索次数，得到第三判断结果)若所述第三判断结果为是，则返回所述基于差分变异因子和随机函数对初始干扰资源矩阵进行邻域搜索，得到第一搜索干扰资源矩阵的步骤，直至得到第n次迭代次数下的第二搜索干扰资源矩阵；若所述第三判断结果为否，则进行第m+1次邻域搜索，直至得到第n次迭代次数下的第二搜索干扰资源矩阵。
在实际应用中，步骤102还包括：
初始化设定迭代次数和设定领域搜索次数。
根据
得到初始干扰资源矩阵，其中
在实际应用中，所述计算我方干扰机对敌方雷达检测概率指标的干扰效能，具体包括：
步骤201：根据我方待掩护目标的位置、敌方第j个雷达的位置和我方第i个干扰机的位置计算第一距离和第二距离；所述第一距离为敌方第j个雷达到我方第i个干扰机的距离，所述第二距离为敌方第j个雷达到我方待掩护目标的距离；
步骤202：根据第一参数、所述第一距离和所述第二距离计算第二检测概率；所述第一参数包括我方待掩护目标的雷达散射面积、敌方第j个雷达的发射功率、敌方第j个雷达的天线主瓣增益、敌方第j个雷达的发射载波波长、我方第i个干扰机的干扰发射功率和敌方第j个雷达对待掩护目标的虚警概率；
步骤203：根据第二参数和所述第二检测概率计算我方第i个干扰机对敌方第j个雷达检测概率指标的干扰效能；所述第二参数包括第一检测概率、第一探测概率和第二探测概率；所述第一检测概率为我方第i个干扰机对敌方第j个雷达干扰时各雷达对我方待掩护目标的检测概率，所述第一探测概率为在未探测到我方待掩护目标的敌方雷达集合中各敌方雷达的探测概率，所述第二探测概率为探测到我方待掩护目标的敌方雷达集合中各敌方雷达的探测概率。
在实际应用中，步骤202具体包括：
步骤2021：根据敌方第j个雷达的发射功率、敌方第j个雷达的天线主瓣增益、敌方第j个雷达的发射载波波长、我方待掩护目标的雷达散射面积和敌方第j个雷达到我方待掩护目标的距离计算敌方第j个雷达接收到的我方待掩护目标的回波功率；
在实际应用中，步骤2021具体为：根据
计算敌方第j个雷达接收到的我方待掩护目标的回波功率，式中：prj为敌方第j个雷达接收到的我方待掩护目标的回波功率，pj为敌方第j个雷达的发射功率、gj为敌方第j部雷达的天线主瓣增益，λj为第j部雷达的发射载波波长，σ为我方待掩护目标的雷达散射面积，rtj为敌方第j个雷达到我方待掩护目标的距离。
步骤2022：根据我方第i个干扰机的干扰发射功率、敌方第j个雷达的天线主瓣增益、敌方第j个雷达的发射载波波长和敌方第j个雷达到我方第i个干扰机的距离计算敌方第j个雷达接收到的干扰信号功率；
在实际应用中，步骤2022具体为，根据
计算敌方第j个雷达接收到的干扰信号功率，式中：pj为敌方第j个雷达接收到的干扰信号功率，pwi为我方第i个干扰机的干扰发射功率，rij为敌方第j个雷达到我方第i个干扰机的距离。
步骤2023：根据所述敌方第j个雷达接收到的我方待掩护目标的回波功率和所述敌方第j个雷达接收到的干扰信号功率计算敌方第j部雷达的信干比snrj。
在实际应用中，步骤2023具体为：根据
snrj＝prj/pj公式(3)
计算敌方第j部雷达的信干比snrj。
步骤2024：根据所述第j部雷达的信干比和敌方第j个雷达对待掩护目标的虚警概率计算第二检测概率。
在实际应用中，步骤2024具体为：根据
计算第二检测概率，式中：pdj表示第二检测概率(干扰条件下第j部雷达对掩护目标的检测概率)，pfa为敌方第j个雷达对待掩护目标的虚警概率。
在实际应用中，步骤203具体包括：
步骤2031：根据所述第二检测概率、所述第一探测概率和所述第二探测概率计算第三检测概率，所述第三检测概率为无干扰时多敌方雷达对我方待掩护目标的检测概率。
在实际应用中，步骤2031具体为：根据
其中，si表示第i种干扰情况下未探测到掩护目标的雷达集合，pdsi表示在未探测到掩护目标的雷达集合si中各雷达的探测概率,sni表示第i种干扰情况下探测到目标的雷达集合，
步骤2032：根据所述第一检测概率和所述第三检测概率计算我方第i个干扰机对敌方第j个雷达检测概率指标的干扰效能。
在实际应用中，步骤2032具体为：根据
e1ij＝|pdij-pd|/pd公式(6)
计算我方第i个干扰机对敌方第j个雷达检测概率指标的干扰效能e1ij，其中，pdij为我方第i个干扰机对敌方第j个雷达干扰时各雷达对我方待掩护目标的检测概率。
在实际应用中，所述基于差分变异因子和随机函数对初始干扰资源矩阵进行邻域搜索，得到第一搜索干扰资源矩阵，具体为：
根据公式
在实际应用中，所述基于差分变异因子和随机函数对所述第一干扰资源矩阵进行第m次邻域搜索，得到第m次邻域搜索下的第二干扰资源矩阵，具体为：
根据公式wij＝yij+rand(-1,1)×(yij-ykj)+η×rand(-1,1)×(ybestj-yij)得到第二干扰资源矩阵中我方第i个干扰机对敌方第j个雷达的干扰情况，其中，wij表示第二干扰资源矩阵中我方第i个干扰机对敌方第j个雷达的干扰情况，yij表示第一干扰资源矩阵中我方第i个干扰机对敌方第j个雷达的干扰情况，rand(-1,1)表示[-1,1]上的随机数，ykj表示第一干扰资源矩阵中我方第k个干扰机对敌方第j个雷达的干扰情况，η表示差分变异因子，ybestj表示第一干扰资源矩阵中最优个体。
如图2所示，对应上述方法本实施例还提供了一种干扰资源分配系统，所述系统包括：
函数构建模块a1，用于构建干扰资源分配函数。
最优干扰资源分配结果确定模块a2，用于采用人工蜂群算法，基于差分变异因子和随机函数对所述干扰资源分配函数中的干扰资源矩阵进行邻域搜索，得到我方干扰机对敌方雷达的最优干扰资源分配结果；所述干扰资源矩阵是根据我方干扰机对敌方雷达的干扰情况构建的；所述最优干扰资源分配结果为使所述干扰资源分配函数的适应度最高的干扰资源矩阵。
如图3所示，本实施例提供了一种更加具体的干扰资源分配方法，具体过程如下：
步骤1：获取当前掩护任务作战场景下敌方雷达、我方干扰机、我方待掩护目标(导弹)的位置信息，并计算我方干扰机、我方待掩护目标到敌方雷达的位置。
假设敌方防空雷达共有m部，其中第j部雷达的坐标为(xrj,yrj,zrj)；我方要掩护突防我方待掩护目标的坐标为(xt,yt,zt)；带有干扰设备的干扰机群共有n部干扰干扰机，其中第i架干扰机坐标为(xji,yji,zji)；第j部雷达与我方待掩护目标和第i架干扰机之间的距离分别为rtj、rij。
步骤2：计算第二检测概率，作为建立的干扰资源分配的评估指标。
当第j部雷达天线主瓣对准我方待掩护目标时，根据公式(1)计算敌方第j部雷达接收到的我方待掩护目标的回波功率，根据公式(2)计算敌方第j部雷达接收到干扰信号功率根据公式(3)可得到第j部雷达的信干比，接下来可通过公式(4)计算干扰条件下敌方第j部雷达对我方待掩护目标的检测概率。
由于我方干扰资源分配的对象为敌方多雷达，因此需要考虑多雷达总体的检测概率。采用秩k融合法计算多雷达总体的探测概率，于是敌方多雷达对我方掩护目标总体的检测概率可以通过公式(5)进行求解。
通过公式(6)得到干扰资源对多雷达检测概率指标的干扰效能。
步骤3：基于我方第i个干扰机对敌方第j个雷达检测概率指标的干扰效能建立干扰资源分配优化的目标函数。
定义多干扰机对多雷达的协同干扰分配矩阵为：
其中，矩阵中的元素xij代表干扰决策变量：
subjectto
步骤4：通过采用人工蜂群算法，基于差分变异因子和随机函数对所述干扰资源分配函数中的干扰资源矩阵进行邻域搜索对上一步建立的干扰资源分配进行求解，得到我方各干扰机对敌方各雷达的最优干扰资源分配结果。
(1)首先对干扰资源分配模型的解编码：
在人工蜂群算法中，用m维实数向量表示资源分配问题的每个可行解为蜜源，解的适应度函数为食物源的花蜜量。在干扰资源分配问题中，每个候选解表示一个分配方案，其候选解的每一维均为满足边界条件的整数，编码时若不满足相关约束则编码无效，需要重新编码，直到编码满足所有的约束规则。
(2)参数初始化：初始化种群参数并产生初始种群。
对蜜蜂种群的参数初始化，包括蜜蜂种群数量colonysize(通常规定采蜜蜂和侦查蜂的数量相同，均为colonysize/2)、最大迭代次数maxcycle和单个蜜源最大搜索次数limit。
人工蜂群算法的初始种群确定是通过下式进行随机选择：
xij为粒子i在j位置的分量。
(3)采蜜蜂邻域搜索：采蜜蜂阶段采用如下公式得到新的干扰资源分配可行解。
采蜜蜂通过下式在当前蜜源位置周围邻域搜索，生成新的蜜源vi，vi＝(vi1,vi2,...,vid)：
vij＝xij+rand(-1,1)×(xij-xkj)+η×rand(-1,1)×(xbestj-xij)
xbestj为初始种群中的最优个体，η为比例因子取0到2。与传统的人工蜂群算法相比，引入差分变异因子的雇佣蜂邻域搜索方式通过引入全局最优解来加快了算法的收敛速度，同时也加强了对全局最优解附近的搜索能力。
(4)跟随蜂阶段和侦察蜂阶段：
跟随蜂接收采蜜蜂开采到蜜源后传递的蜜源信息，计算生成的新蜜源和初始蜜源的适应度后，采用贪婪算法的策略基于计算的适应度选择蜜源，侦查蜂在选择的蜜源位置进行开采，进一步对选择的蜜源实行领域搜索得到更新的蜜源，计算选择的蜜源和更新的蜜源的适应度，利用贪婪准则的策略基于刚刚计算的适应度选取优质蜜源。
若雇佣蜂、侦查蜂搜寻次数超过限定次数limit，仍然没有找到更高适应度的蜜源，则放弃该蜜源，同时蜜蜂的角色由雇佣蜂或者跟随蜂转化为侦察蜂，并对初始蜜源极性邻域搜索产生新蜜源。
(5)记录并判断算法终止条件：
记录所有优质蜜源，并判断是否满足最大迭代次数的条件或最优解满足小于优化误差的条件，如果满足算法终止，输出最优解，否则继续循环。
步骤5：输出上一步优化得到的最优解作为干扰资源分配方案。
为了证明本发明的有效性，对提出的基于人工蜂群算法干扰资源分配进行仿真验证，干扰资源分配结果如图4所示，人工蜂群算法的求解结果如图5所示。从仿真结果可以看出本发明提出的基于人工蜂群算法干扰资源分配方案可以实现掩护任务战场下干扰资源的分配，说明了该方法的可行性与有效性。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明通过在邻域搜索时引入差分进化因子人工蜂群算法，得到适应度最高的干扰资源矩阵，指挥员可以在作战时根据得到的干扰资源矩阵安排我方干扰机是否对敌方雷达进行干扰，而且增强人工蜂群算法的全局寻优能力，有效提高干扰资源分配结果的收敛速度和收敛质量以提高我方干扰机对敌方雷达干扰的效率和结果的准确度，针对敌方多雷达进行干扰资源的分配，可以更好的掩护我方目标执行任务，对指挥员在干扰决策方面提供重要参考价值。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
- 还没有人留言评论。精彩留言会获得点赞！