[发明专利]一种禁忌搜索人工蜂群算法下的干扰决策方法

说明书

本发明提供了一种利用禁忌搜索人工蜂群算法进行干扰决策的方法。方法步骤为：通过认知侦察获取敌方雷达的工作频率、接收信号功率、干扰样式等相关信息参数，计算干扰效益对应的各指标的归一化函数值，求加权值得一对一干扰效益计算一对一干扰代价值干扰效益与干扰代价值的加权求和，得到一对一干扰收益矩阵；利用禁忌搜索人工蜂群算法进行干扰决策得到符合目标要求的最优解。搜索达到一定次数且未改进后将其加入禁忌表并产生禁忌表范围之外的新解，迭代达到预设次数，输出最优决策方案。本发明用于认知对抗中进行干扰决策方案分配，可以减少迭代次数并增大寻优概率，具有较大的价值和实用性。

技术领域

本发明属于电子对抗中协同干扰资源的决策分配领域，具体涉及一种禁忌搜索人工蜂群算法下的干扰决策方法。

背景技术

美国海军认为，未来战争将远离基地，对信息技术的依赖程度将等同于对炸弹或导弹的依赖程度。这些构想表明，电子对抗在现代战争中扮演的角色越来越重要，甚至正逐渐成为战争的主要形式。而在电子对抗中，协同干扰资源的决策分配是作战指挥的核心环节，干扰决策行为起着至关重要的作用，直接影响到作战效能与收益。

对干扰资源采用恰当的决策方案使我方干扰资源对敌方雷达的干扰收益值达到最佳，是进行协同干扰决策的核心目标。协同干扰决策问题是非线性整数组合优化问题，可能得到的决策方案与干扰资源的数量呈指数型，传统枚举法越来越显现出其局限性。随着智能算法的兴起与发展，国内外出现了很多利用智能算法进行干扰决策问题的研究，主要集中在蚁群算法、遗传算法等算法的使用和改进上，但往往存在算法参数复杂，收敛速度与寻优概率仍有待提升的问题。此外，目前对干扰收益值的衡量主要集中在功率、频率、干扰空间和干扰样式等方面，都是从我方角度出发以求得最大化干扰效益。

发明内容

本发明针对干扰收益值衡量标准的缺陷提出将干扰效益与干扰代价的加权和作为干扰收益值，针对蚁群算法与遗传算法收敛速度与寻优概率不高的问题，提出了一种禁忌搜索人工蜂群算法下的干扰决策方法。该方法将禁忌搜索算法与人工蜂群算法相结合，并提出了禁忌搜索过程中产生新解的新规则，可以加快干扰决策过程中的算法迭代次数，并提高寻优概率，具有一定的应用价值。

本发明的目的在于提出一种能够在干扰决策过程中减少迭代次数并提高寻优概率的干扰决策新方法，并完善了干扰收益值的衡量标准，实现此种标准下的干扰决策。

本发明的目的是这样实现的：

(1.1)通过认知侦察获取敌方雷达的工作频率、接收信号功率、干扰样式等相关信息参数，计算干扰效益对应的各指标的归一化函数值，求加权值得一对一干扰效益

(1.2)计算一对一干扰代价值干扰效益与干扰代价值的加权求和，得到一对一干扰收益矩阵；

(1.3)利用禁忌搜索人工蜂群算法进行干扰决策得到符合目标要求的最优解。所有蜜蜂产生蜜源之后分为“采蜜蜂”与“观察蜂”，观察蜂按概率选择采蜜蜂进行搜索，利用贪婪准则选出较优解。搜索达到一定次数且未改进后将其加入禁忌表并产生禁忌表范围之外的新解，迭代达到预设次数，输出最优决策方案。

本发明的核心技术内容在于在产生新解时，由于禁忌表中元素数量有限，为了进一步扩大初始解的产生范围增大搜索空间，除与禁忌表中元素完全相同的新解外，将于禁忌表中元素差距小于阈值的解也认为属于禁忌范围，新解需在禁忌表范围之外。

本发明包括的计算一对一干扰代价的部分，其主要内容为：计算干扰机与敌方雷达之间干扰功率、干扰频率、干扰覆盖空间和干扰样式四个指标下的归一化函数值，求加权和得到一对一干扰效益

本发明包括的计算一对一干扰代价的部分，其主要内容为：计算干扰机被敌方雷达发现的概率，以此作为干扰机对敌方雷达的干扰代价