基于混沌粒子群支持向量機(jī)的電子戰(zhàn)無(wú)人機(jī)作戰(zhàn)效能評(píng)估

馬興民 張勇

摘 ?要：電子戰(zhàn)無(wú)人機(jī)的作戰(zhàn)效能評(píng)估在未來(lái)智能網(wǎng)信體系作中具有重要意義。針對(duì)電子戰(zhàn)無(wú)人機(jī)作戰(zhàn)效能評(píng)估過(guò)程中影響因素復(fù)雜、小樣本、非線性等問(wèn)題，引入了支持向量機(jī)算法，為了提高評(píng)估的效率和有效性，引入具有較強(qiáng)偽隨機(jī)性、自身規(guī)律性的混沌系統(tǒng)對(duì)粒子群初始粒子進(jìn)行了優(yōu)化，然后利用混沌粒子群對(duì)支持向量機(jī)的參數(shù)進(jìn)行了優(yōu)選，提高了整體評(píng)估效率。仿真實(shí)驗(yàn)結(jié)果表明混沌粒子群-支持向量機(jī)模型可以準(zhǔn)確地對(duì)電子戰(zhàn)無(wú)人機(jī)進(jìn)行作戰(zhàn)效能評(píng)估，具有較好的計(jì)算精度。

關(guān)鍵詞：電子戰(zhàn)無(wú)人機(jī);作戰(zhàn)效能評(píng)估;混沌粒子群;支持向量機(jī)

中圖分類號(hào)：TP301 ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract： The combat effectiveness evaluation of electronic warfare UAVs is of great significance in the future intelligent network information system. Aiming at the existing problems of complex influencing factors， small samples， and nonlinearity， the support vector machine algorithm is considered. In order to improve the efficiency and effectiveness of the evaluation， strong pseudo-random and self-regularity chaotic system firstly optimizes initial particles of the particle swarm， and then uses the chaotic particle swarm to optimize the parameters of the support vector machine， which improved the overall evaluation efficiency. The simulation experiment results show that the chaotic particle swarm-support vector machine model can accurately evaluate the combat effectiveness of electronic warfare UAVs， and has good calculation accuracy.

Keywords： electronic warfare UAV; combat effectiveness evaluation; chaotic particle swarm; support vector machine

1 ? 引言（Introduction）

在戰(zhàn)場(chǎng)環(huán)境下，電子戰(zhàn)無(wú)人機(jī)不需要飛行員的實(shí)體操作，可以大量減少作戰(zhàn)人員的傷亡，因此，電子戰(zhàn)無(wú)人機(jī)在未來(lái)作戰(zhàn)中將會(huì)起到越來(lái)越重要的作用。但是在電子對(duì)抗中，電磁環(huán)境復(fù)雜，如何有效地對(duì)電子戰(zhàn)無(wú)人機(jī)的作戰(zhàn)效能進(jìn)行預(yù)先評(píng)估已成為難點(diǎn)問(wèn)題。

支持向量機(jī)是一種較新的機(jī)器學(xué)習(xí)算法，其優(yōu)點(diǎn)是具有較快的收斂速度和較強(qiáng)的泛化能力，廣泛應(yīng)用于醫(yī)療圖像分類[1]、工業(yè)故障診斷[2]等領(lǐng)域。在作戰(zhàn)效能評(píng)估方向，東南大學(xué)崔鵬飛等人提出了v-SVM模型對(duì)武器裝備作戰(zhàn)效能進(jìn)行了評(píng)估方法[3]，信息工程大學(xué)代耀宗等人基于LS-SVM算法對(duì)實(shí)兵對(duì)抗演習(xí)效能進(jìn)行了評(píng)估[4]，西北機(jī)電工程研究所楊健為等人基于差分進(jìn)化支持向量機(jī)的武器系統(tǒng)作戰(zhàn)效能評(píng)估方法[5]，沈陽(yáng)航空航天大學(xué)陳俠等人基于改進(jìn)型支持向量機(jī)對(duì)偵察無(wú)人機(jī)作戰(zhàn)效能評(píng)估[6]，在這些改進(jìn)算法中，支持向量機(jī)的懲罰函數(shù)和核函數(shù)都需要進(jìn)行優(yōu)化，雖然取得了一定的研究成果，但是對(duì)參數(shù)的隨機(jī)選擇沒(méi)有進(jìn)行規(guī)約優(yōu)化，為了得到更好的優(yōu)化支持向量機(jī)的內(nèi)核參數(shù)，本文提出了基于混沌粒子群算法優(yōu)化支持向量機(jī)的電子戰(zhàn)無(wú)人機(jī)作戰(zhàn)效能評(píng)估方法。

2 ?支持向量機(jī)回歸模型（Support vector machine regression model）

支持向量機(jī)回歸效果如何與其所需要優(yōu)化的參數(shù)有極大的關(guān)系，因此為了更好地對(duì)電子戰(zhàn)無(wú)人機(jī)的作戰(zhàn)效能進(jìn)行評(píng)估，本文引入混沌—粒子群算法對(duì)懲罰參數(shù)和核函數(shù)參數(shù)進(jìn)行優(yōu)化。

3 ?支持向量機(jī)參數(shù)自適應(yīng)混沌粒子群優(yōu)化模型的建立（Establishment of parameter adaptive chaotic particle swarm optimization model based on support vector machine）

在非線性系統(tǒng)中，混沌特性具有較強(qiáng)的偽隨機(jī)性、自身規(guī)律性，本文利用這一特性來(lái)增強(qiáng)粒子群算法的初始化設(shè)置。

本文算法參數(shù)尋優(yōu)的過(guò)程如圖1所示，具體步驟為：

（1）利用混沌初始化粒子的位置和速度。

（2）計(jì)算適應(yīng)度數(shù)值，并與當(dāng)前獲得的最優(yōu)解比較分析，得到最新的最優(yōu)解，將當(dāng)前所有粒子的最優(yōu)解用計(jì)數(shù)替換。

（3）更新粒子的位置和速度。

（4）對(duì)最優(yōu)位置繼續(xù)進(jìn)行混沌優(yōu)化，利用得到的可行解計(jì)算最優(yōu)可行解，然后將其他粒子的位置進(jìn)行替換。

（5）循環(huán)（1）—（4）的尋優(yōu)，當(dāng)滿足一定的設(shè)定條件時(shí)，跳出迭代得到最優(yōu)解。

4 ? 建立評(píng)估指標(biāo)體系（Establish an evaluation index system）

為了說(shuō)明本文所提算法對(duì)電子戰(zhàn)無(wú)人機(jī)作戰(zhàn)效能的有效評(píng)估，在總結(jié)了各種文獻(xiàn)的基礎(chǔ)上，引入文獻(xiàn)[10]同樣的評(píng)估指標(biāo)體系，即無(wú)人機(jī)的作戰(zhàn)半徑，實(shí)用升限，信息的搜集能力，信息的加工能力，人員操作水平和戰(zhàn)場(chǎng)環(huán)境的影響系數(shù)[10]。