一种对抗雷达组网的干扰目标分配方法

为解决雷达组网带来的电子干扰效能下降的问题,构建多部干扰装备对抗多部雷达组网的干扰目标分配模型,结合雷达的探测概率系数和干扰装备的干扰效果系数构建目标函数。采用遗传算法,并对编码方式、适应度函数、初始种群、交叉、变异等要素进行优化改进。计算机仿真结果表明,干扰装备通过协同干扰将雷达组网探测系统的探测概率从99.05%压制到37.26%,验证了模型的可行性和算法的有效性。最终的分配结果满足干扰装备对目标的分配要求,为实现多部干扰装备对抗雷达组网干扰效能的提升提供了有效的干扰目标分配方法。     

基于改进蝴蝶算法的协同干扰资源分配方法

针对协同对抗下雷达干扰资源的管理决策问题开展研究,提出了一种基于改进蝴蝶算法的干扰资源分配方法。首先,用模糊综合评价的方法量化影响辐射源威胁等级和干扰效能的因素;然后,确定目标函数并计算干扰效能矩阵,建立干扰资源分配模型;最后,把自适应启发项和劣解接纳操作引入蝴蝶算法(BOA)对模型求解。仿真结果表明：引入改进项提高BOA探索能力和搜索效率,有效解决算法局部收敛的缺陷。对比四种经典算法和两种改进BOA算法,该算法在收敛精度和算法稳定性方面均更优,制定的干扰资源分配方案可信度更高。     

基于改进遗传算法的干扰资源分配方法研究

针对分布式对抗系统对敌方分布式雷达的干扰效率问题，设计一种基于二进制编码的改进遗传算法，用于提高系统自主干扰资源分配效率。首先，通过前期侦察，获取雷达的性能参数，得到每部干扰机对每部雷达的干扰效能参数，生成干扰效能矩阵，以干扰总效能最大化为原则，构建目标效能函数；然后根据干扰机与雷达的数量差异建立干扰资源分配模型，确定约束条件；最后利用改进遗传算法，通过选择、交叉、变异、淘汰、继承等算子操作对模型的最优值进行求解，并给出具体算法流程。Matlab仿真结果表明，改进算法需要更少的迭代次数，能够得到最优解，能够较好地解决文中构设场景下的分布式协同干扰资源优化分配问题。     

一种基于态势的多传感器任务规划调度方法

分析了一种基于态势的多传感器任务规划调度方法。首先,根据传感器探测能力、目标预测轨迹,生成多传感器协同探测任务,并分解合并形成若干个探测子任务;然后,基于构建的协同探测效能函数,对每个探测任务进行传感器资源分配,通过特殊降维处理,实现传感器与目标分配方案的快速生成;最后,仿真分析了协同探测任务调度算法模型。特别地,针对传感器、目标规模都较大时,提出了一种经过改进的多传感器协同探测目标资源分配方案快速生成的优化方法,可满足多传感器协同探测任务高实时高可靠分配调度要求。     

基于层次分析法的协同干扰效能评估

协同干扰是雷达干扰的重要发展方向,协同干扰效能评估对评判协同干扰效果、调整协同干扰策略、优化协同干扰资源分配等具有重要意义.针对协同干扰效能评估问题,基于层次分析法原理,建立了干扰效能多层次模糊评估模型,构建了评估指标体系,并结合协同干扰对抗分布式雷达某外场试验进行了干扰效能定量评估,得出了有意义的结论.     

改进布谷鸟算法在协同干扰资源分配中的应用

针对敌方雷达网的多干扰机协同干扰资源分配问题,提出了一种基于二维整数编码的改进布谷鸟(ICS)算法。首先,根据不同干扰样式在不同恒虚警检测器中的干扰效果差异,从压制概率公式出发,构建目标函数;然后,根据分配原则建立干扰资源分配模型;最后,利用ICS算法对模型寻优求解,并给出具体求解步骤。仿真结果表明:ICS算法收敛速度快,全局寻优能力强,能很好地解决雷达干扰资源协同优化分配问题。     

地面防空对抗系统干扰资源优化分配研究

依据地面防空对抗系统特点,确立了地面对抗系统作战中目标分配原则,运用军事运筹理论,建立了地面防空对抗系统干扰资源优化分配模型。给出了基于遗传算法的模型求解方法及步骤,并进行了实例仿真,得出最佳干扰资源分配方案。仿真证明了该方法有效、可行,对地面防空对抗系统干扰资源优化分配决策研究具有一定的参考价值。     

一种干扰决策资源分配的快速算法

干扰资源分配是干扰决策支持系统中的核心内容，如何快速对现有资源进行合理的分配直接关系到该干扰智能决策支持系统的成败。本文提出了一种基于多对多分配原则的干扰资源分配快速算法，即多层连续循环布尔操作法，与现有多级优化动态资源分配方法相比较，它能够更快速地找到最优分配方案。     

雷达干扰资源优化分配博弈模型和算法

从时间、空间、频率、能量四个方面对干扰效果进行定量描述,构建干扰效益矩阵,建立目标函数,并利用博弈论分析研究雷达有源干扰资源分配问题,证明了纳什均衡的可行性和存在性。基于最佳动态反应设计了集中式迭代干扰策略选择算法,基于学习自动机原理提出了分布式有限反馈干扰资源分配算法。仿真结果表明:文中提出的两种分配算法可以以很低的复杂度来获取一个很好的干扰性能,很好地解决干扰资源分配问题,对实际的指挥有一定的指导意义。     

基于动态优化的通信对抗任务分配

任务资源分配决定着通信对抗效能。提出了一种基于动态优化的通信对抗任务分配方法,针对任务优化分配问题建立了相应的动态解决模型,制定了动态分配实施流程。通过实例分析验证表明,该方法与现有静态分配方案相比,能够快速、合理地给出分配方案,达到最佳整体对抗效果。     

基于星上多波束天线的卫星功率带宽联合优化新算法

目前已有的卫星功率优化分配策略未考虑功率与带宽的耦合关系。为了进一步提高星上资源的利用率,在考虑各点波束业务需求差异及共信道干扰的基础上,通过构建卫星系统模型,提出一种将卫星功率和带宽联合优化分配的算法。该算法基于系统公平性建立优化目标函数,并采用迭代方法求解资源优化的最优解。与传统固定分配方式相比,这种耦合的资源分配方式可根据当前业务需求和信道条件对星上功率和带宽资源进行实时再分配,提高了系统容量,系统业务匹配率提高10%,具有较高的星上资源利用率。     

基于模糊Topsis的传感器资源分配算法

影响传感器资源分配的目标属性有多种.文中将目标模糊多属性效用作为传感器资源分配的依据,提出了一种基于模糊Topsis的传感器资源分配算法,并分别给出了影响资源分配的目标多属性模糊效用函数.提出了几种传感器资源分配性能评价指标.仿真结果表明,该算法充分考虑了目标跟踪和威胁等多因素,更符合不同目标对传感器资源的需求.     

基于 QoS 保障的密集 WLAN 多维资源分配算法

针对密集无线局域网覆盖环境,以提升网络性能为目标,提出了一种多维无线资源分配方法。通过网络覆盖衡量参数、干扰衡量参数和QoS衡量参数联合评估网络性能,建立了网络性能与资源分配向量之间的优化目标函数,进而采用禁忌搜索的方法求解目标函数后得到最优多维资源分配向量,包括所用AP、信道和功率分配向量。仿真结果表明,所提算法提升了网络性能,更好地保证了用户QoS需求。     

基于Message Passing的认知无线电快速资源分配

针对多用户的OFDM认知无线电系统上行链路,提出一种基于Message Passing的分布式快速资源分配算法。该算法以认知系统总发射功率最小化为优化目标,综合考虑了认知用户对授权用户的干扰、总发射功率预算以及认知用户之间的比例公平性等约束条件,将资源分配分为子信道分配与功率分配相继2个步骤,构建资源分配的因子图,通过在节点间迭代地传递信息直至最终完成分布式的资源分配。分析和仿真结果表明,该算法在保证系统通信性能及资源分配公平性的前提下降低了系统总发射功率,并且运算效率得到了明显提升。     

求解多目标资源分配问题的改进蚁群优化算法

多目标资源分配问题就是将有限资源分配到不同事件来获得预期目标.建立了多目标资源分配问题的数学模型,提出了一种有效求解该问题的改进蚁群优化算法：设计了一种多目标资源分配问题的可行方案构建机制,定义了蚁群优化算法中的信息素形式及其更新方式,提出了一种新的概率选择形式;通过以上改进有效地提高了蚁群优化方法的效率.为了验证此方法的有效性,将蚁群优化方法与混合遗传算法的实验结果进行了对比分析,证明此方法优于混合遗传算法.     

突防任务中组网雷达干扰资源分配研究

基于突防飞机的位置构建了干扰效果评估指标,综合考虑突防飞机在整个突防过程中的位置变化时的干扰效益,利用概率加权法确定最终的目标函数,采用蚁群算法求解出干扰分配决策。仿真结果表明,该文提出的干扰效果评估指标可以很好地解决干扰资源分配问题,对实际作战指挥有一定的指导意义。     

一种通信对抗干扰资源分配智能决策算法

针对战场通信对抗智能决策问题,该文基于整体对抗思想提出一种基于自举专家轨迹分层强化学习的干扰资源分配决策算法(BHJM),算法针对跳频干扰决策难题,按照频点分布划分干扰频段,再基于分层强化学习模型分级决策干扰频段和干扰带宽,最后利用基于自举专家轨迹的经验回放机制采样并训练优化算法,使算法能够在现有干扰资源特别是干扰资源不足的条件下,优先干扰最具威胁目标,获得最优干扰效果同时减少总的干扰带宽。仿真结果表明,算法较现有资源分配决策算法节约25%干扰站资源,减少15%干扰带宽,具有较大实用价值。     

基于进化多目标优化的对地打击武器-目标分配

基于进化多目标优化方法研究对地打击武器-目标分配(WTA)建模和求解问题.首先,分析对地打击WTA问题特点,定义优化目标函数为飞机突防风险最小和目标毁伤效能最大,提出一种基于栅格地图的防空火力对飞机威胁的量化评估方法,建立多目标优化问题模型;然后,采用一种多目标优化算法NSGA-Ⅱ对问题求解,结合问题特点设计算法各组成部分;最后,构建仿真算例进行实验分析,仿真结果表明,所提模型和算法能够有效求解对地打击WTA问题,可为工程实现提供参考.     

一种通信对抗干扰资源分配智能决策算法

针对战场通信对抗智能决策问题,该文基于整体对抗思想提出一种基于自举专家轨迹分层强化学习的干扰资源分配决策算法(BHJM),算法针对跳频干扰决策难题,按照频点分布划分干扰频段,再基于分层强化学习模型分级决策干扰频段和干扰带宽,最后利用基于自举专家轨迹的经验回放机制采样并训练优化算法,使算法能够在现有干扰资源特别是干扰资源不足的条件下,优先干扰最具威胁目标,获得最优干扰效果同时减少总的干扰带宽.仿真结果表明,算法较现有资源分配决策算法节约25％干扰站资源,减少15％干扰带宽,具有较大实用价值.     

认知异构蜂窝网络中改进蜉蝣算法的资源分配策略

针对认知异构蜂窝网络中上行链路资源分配的优化问题,提出认知异构蜂窝网络中改进离散蜉蝣算法的资源分配算法。认知异构蜂窝网络模型中,考虑用户层间干扰和带外干扰引入功率控制策略控制发射功率来干扰抑制,基于用户服务质量（QoS）需求和干扰阈值约束,最大化能量效率为优化目标,利用改进离散蜉蝣算法优化求解得出最优分配方案。引入不完全Gamma和Beta分布函数的动态自适应权重、黄金正弦位置更新策略,提升蜉蝣算法的收敛速度和搜索能力。仿真实验表明,基于接收SINR的闭环功率控制动态调整用户端的发射功率,能有效抑制用户间的干扰,GSWBMA求解资源分配问题具有良好的寻优效率和收敛性能,有效提升系统能量效率和用户传输速率,保证用户QoS需求。