干扰目标优化分配模型和算法的研究

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (10): 60-64.

干扰目标优化分配模型和算法的研究

梁广东1，卢广山2，陈东锋3，刘首硕3

1.西北工业大学电子信息学院，西安 710129
2.中国航空工业集团公司，北京 100022
3.空军航空大学飞行研究所，长春 130022

出版日期:2015-05-15 发布日期:2015-05-15

Study of optimal allocation mmodel of interference target and arithmetic

LIANG Guangdong1, LU Guangshan2, CHEN Dongfeng3, LIU Shoushuo3

1.School of Electronics and Information, Northwestern Polytechnical University, Xi’an 710129, China
2.Aviation Industry Corporation of China, Beijing 100022, China
3.Flight Research Institution of Aviation University of Air Force, Changchun 130022, China

Online:2015-05-15 Published:2015-05-15

摘要/Abstract

摘要： 电子干扰成功压制威胁目标对突防作战起着关键性的作用，针对理想环境下优化模型的不足，考虑到实战环境下的约束条件和干扰需求，构建了干扰目标的优化分配模型；对于参变量和约束条件增多时，传统算法求解速度慢，甚至无法求得最优解，为此，引入遗传算法，改进编码、染色体和遗传算子的设计，通过具体算例建立模型和求解，并与模拟退火算法进行比较分析，结果表明改进遗传算法搜索最优解的速度和可靠性都优于模拟退火算法。最后给出了干扰目标分配的最优方案，为实现干扰的最佳压制效能提供了科学决策。

关键词: 干扰压制, 分配模型, 遗传算法, 模拟退火算法

Abstract: Electronic jamming represses successfully threat target which plays a key role for penetration battle, aiming at the shortcomings of the optimization model on ideal environment, considering constraint condition and interference requirements on the practical battle, constructing the model of optimal allocation on jamming target, when constraint and parameters increase constantly, the traditional algorithm is very slow, which can’t even get the optimal solution. So introduce genetic algorithm, improve encoding, chromosome and design of genetic operators. The concrete example is given to construct model and the result is given, comparing with simulation annealing algorithm analysis, the results show that the improved genetic algorithm to search speed and reliability of the optimal solution is better than that of the simulated annealing algorithm. The optimal solution of interference target and scientific decision for realization of the optimization interference suppression efficiency are provided.

Key words: jamming repressing, distribution model, genetic algorithm, simulated annealing algorithm

梁广东1，卢广山2，陈东锋3，刘首硕3. 干扰目标优化分配模型和算法的研究[J]. 计算机工程与应用, 2015, 51(10): 60-64.

LIANG Guangdong1, LU Guangshan2, CHEN Dongfeng3, LIU Shoushuo3. Study of optimal allocation mmodel of interference target and arithmetic[J]. Computer Engineering and Applications, 2015, 51(10): 60-64.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	马艳芳，李保玉，杨屹夫，冯翠英. 客户分类下生鲜配送两级路径问题与算法研究[J]. 计算机工程与应用, 2021, 57(20): 287-298.
[8]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[9]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[10]	童文林，陈德旺，黄允浒，吕宜生. 结合模拟退火与规则约简的模糊系统优化方法[J]. 计算机工程与应用, 2021, 57(16): 142-150.
[11]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[12]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[13]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[14]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[15]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.