基于改进离散布谷鸟算法的干扰资源分配研究

wozuishuai

摘 要：该文对二次雷达机制的协同式敌我识别系统的干扰资源分配问题进行研究，将离散布谷鸟算法(Discrete
3 B- Y; z6 I7 ~7 K1 UCuckoo Search, DCS)引入敌我识别系统的干扰资源分配问题。首先给出协同式敌我识别系统的干扰效果评估指标，
9 ?* \6 z1 `1 H# P9 R; e3 S4 m% H建立干扰资源分配模型，将模型简化为一对一、多对少模型，使用 DCS 算法求解模型。针对 Levy 飞行后期出现
搜索速度慢和精度低的问题，将遗传算法中的交叉与变异操作引入 DCS 算法得到改进的离散布谷鸟算法(Improved
. P% y2 {9 s; X! o4 Q0 N7 @7 M! P& SDiscrete Cuckoo Search, IDCS)，用以求解分配模型。仿真分析表明：所提干扰效果评估指标可以合理地评估干扰
6 e( f6 t% u% Z& b* W. k. y1 S效果；IDCS 算法比 DCS 算法收敛更快、耗时更短；IDCS 算法与做出相应改进的遗传算法(Improved Genetic
Algorithm, IGA)相比具有更好的寻优能力。
* _, M* n) o2 l; `6 O  c关键词：协同式敌我识别；干扰资源；资源分配；改进离散布谷鸟算法
1 引言
在现代战争中，敌我识别作为目标识别[1,2]的重
/ @% Y3 ~4 P, }* h5 p要组成部分，对敌我识别系统实施干扰已经成为电
  M; E7 ~6 u! B0 ^* N4 G8 {子对抗领域的重点方向之一。由于敌方系统存在型
号性能不同、搭载平台不同及使用技术不同的情况，
而我方干扰资源对不同型号敌我识别系统也存在不
同的干扰效果，为了保证干扰效益较大化，对多协
同式敌我识别系统的干扰资源分配问题进行研究是
必要的。
5 H! E: o  N( T1 K, X9 n资源分配[3]是经典的优化问题，常用的干扰资源
) w/ E* a" a" G
" ~: {. x5 O" ^6 ^' m; G; A
: Y1 P: y8 S( z2 g
0 O( Y7 s- q4 p- t$ O1 K7 T
* \9 A+ i( y6 z! n: j3 T) w
) h2 r% }4 ~8 `% [附件下载：

游客，如果您要查看本帖隐藏内容请回复

; H% }; d& j/ Y1 D. h
9 K' \1 m$ r0 t5 I- |

land

谢谢分享