1.一种基于改进人工蜂群算法的协同电子干扰任务调度方法,其特征在于,包括以下步骤:
步骤1、根据任务调度评估指标集及干扰效果评估指标的定量计算方法,综合分析UCAV对目标雷达的干扰效果,并进行归一化处理;
步骤2、确定协同干扰的任务调度约束条件,建立协同电子干扰任务调度模型CEJ-TSM;
步骤3、采用改进的全局人工蜂群算法IGABC对协同电子干扰任务调度模型进行求解;
步骤4、根据IGABC算法的结果获得协同电子干扰任务调度方案。
2.如权利要求1所述的基于改进人工蜂群算法的协同电子干扰任务调度方法,其特征在于:步骤1中,所述干扰效果评估指标的定量计算方法为:
步骤1-1、确定协同干扰压制概率qjp(eji,j),所用公式为:
其中,α、β表示由目标类型确定的经验值常数,powjp(i)是指干扰信号功率,powds(j)是目标回波功率;
步骤1-2、确定协同干扰覆盖空间qjs(eji,j),所述公式为:
其中,γ为取决于目标类型确定的经验值常数或常量函数,λ是小于1的常数,表示安全系数,rej(i)是编号为i的UCAV进行干扰的有效半径,dis(i,j)为编号i的UCAV与编号j的目标的距离,rsafe是指最小安全距离;
步骤1-3、确定协同干扰工作频段qjf(eji,j),所述公式为:
其中,frejp(i)表示编号为i的UCAV的干扰信号频谱,freds(j)表示编号为j的目标的信号频谱,freqin(i,j)表示编号为i的UCAV的干扰信号频谱与编号为j的目标的信号频谱相交的部分;
步骤1-4、确定协同干扰样式qjt(eji,j),所述公式为:
其中,UCAV包含Nstyle种干扰样式,且已经按照干扰效果排列,第i个UCAV对第j个目标采用的干扰样式集为StyleSet[ti],其中ti∈[0,Nstyle],en_used(i)表示的是编号为i的UCAV消耗的能量,effect(i,j,StyleSet[k]),k≤ti.表示的是编号为i的UCAV产生的干扰效果;
步骤1-5、确定续航能力qea(eji,j),所述公式为:
其中,en_consu(i)表示的是编号为i的UCAV消耗的能量,en_all(i)表示的是编号为i的UCAV初始时刻拥有的总能源。
3.如权利要求1所述的基于改进人工蜂群算法的协同电子干扰任务调度方法,其特征在于:步骤2中的协同电子干扰任务调度模型CEJ-TSM为:
s.t.
其中,ωk是指第k维指标的权重,UniQk是指第k维指标的归一化值,UD={UD1,UD2,…,UDn},UDi(i=1,2…,n)表示的是将第i架UCAV分配给干扰目标雷达的设备号;VAj(j=1,2,…,m)表示的是对第j部目标雷达进行干扰的价值量;duij表示第i架UCAV是否对第j部目标雷达进行干扰,若为0则表示不进行干扰,否则就进行干扰;lmax表示每部目标雷达最多分配UCAV的架数。
4.如权利要求1所述的一种基于改进人工蜂群算法的协同电子干扰任务调度方法,其特征在于:步骤3中采用改进的全局人工蜂群算法IGABC对协同电子干扰任务调度模型进行求解,具体包含以下步骤:
步骤3-1、初始化种群:规定蜂群的大小,雇佣蜂、观察蜂和侦察蜂的数目,循环次数及最大领域搜索值;
步骤3-2、雇佣蜂进行邻域搜索,搜索公式为:
其中,通过调节ξ的值来平衡算法的探索与开发能力,i为从m维数组中随机选择的一个维度,i∈{1,2,…,m},表示雇佣蜂进行邻域搜索后得到新食物源位置vd的第i个元素,为当前雇佣蜂所依附食物源xd的第i个元素,为食物源xε的第i个元素,ε∈{1,2,…,SN}且ε≠d,为当前最佳方案Gbest_xd的第i个元素,若超出[lb,ub]边界,则使用边界值;
步骤3-3、计算其适应度值,采用遗传算法的遗传策略,运用选择、交叉和变异算子,将邻域搜索后的解与迭代最优解进行交叉、变异操作,按照贪婪法则选择新解,搜索公式为:
其中,rand是一个对每个分量都产生的[0,1]之间的均匀分布的随机值,CR是一个交叉概率,通过调节ξ的值来平衡算法的探索与开发能力,i为从m维数组中随机选择的一个维度,i∈{1,2,…,m},表示雇佣蜂进行邻域搜索后得到新食物源位置vd的第i个元素,为当前雇佣蜂所依附食物源xd的第i个元素,为食物源xε的第i个元素,ε∈{1,2,…,SN}且ε≠d,为当前最佳方案Gbest_xd的第i个元素,若超出[lb,ub]边界,则使用边界值;
步骤3-4、计算观察蜂跟随概率,公式为:
其中,pd表示观察蜂跟随概率,fit(xd)是食物源xd代表的解的适应度,μ为[0.5,1]之间的随机数,ν为[0,0.5]之间的随机数,且μ和ν满足μ+ν=1;
步骤3-5、观察蜂计算其适应度值,参考遗传算法的遗传策略,运用选择、交叉和变异算子,将邻域搜索后的解与迭代最优解进行交叉、变异操作,按照贪婪法则选择新解;
步骤3-6、判断雇佣蜂、观察蜂搜寻次数是否超过限定次数Limit,若雇佣蜂、观察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观察蜂转化为侦察蜂,并随机产生一个新的蜜源;否则就记录当前的位置信息;
步骤3-7、记录当前所有蜜蜂找到的最优蜜源,并跳至步骤3-2,直到满足最大迭代次数maxCycle的条件或小于优化误差时输出全局最优位置。