基于混沌粒子群支持向量機的電子戰無人機作戰效能評估

馬興民 張勇

摘 ?要：電子戰無人機的作戰效能評估在未來智能網信體系作中具有重要意義。針對電子戰無人機作戰效能評估過程中影響因素復雜、小樣本、非線性等問題，引入了支持向量機算法，為了提高評估的效率和有效性，引入具有較強偽隨機性、自身規律性的混沌系統對粒子群初始粒子進行了優化，然后利用混沌粒子群對支持向量機的參數進行了優選，提高了整體評估效率。仿真實驗結果表明混沌粒子群-支持向量機模型可以準確地對電子戰無人機進行作戰效能評估，具有較好的計算精度。

關鍵詞：電子戰無人機;作戰效能評估;混沌粒子群;支持向量機

中圖分類號：TP301 ? ? 文獻標識碼：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）

在戰場環境下，電子戰無人機不需要飛行員的實體操作，可以大量減少作戰人員的傷亡，因此，電子戰無人機在未來作戰中將會起到越來越重要的作用。但是在電子對抗中，電磁環境復雜，如何有效地對電子戰無人機的作戰效能進行預先評估已成為難點問題。

支持向量機是一種較新的機器學習算法，其優點是具有較快的收斂速度和較強的泛化能力，廣泛應用于醫療圖像分類[1]、工業故障診斷[2]等領域。在作戰效能評估方向，東南大學崔鵬飛等人提出了v-SVM模型對武器裝備作戰效能進行了評估方法[3]，信息工程大學代耀宗等人基于LS-SVM算法對實兵對抗演習效能進行了評估[4]，西北機電工程研究所楊健為等人基于差分進化支持向量機的武器系統作戰效能評估方法[5]，沈陽航空航天大學陳俠等人基于改進型支持向量機對偵察無人機作戰效能評估[6]，在這些改進算法中，支持向量機的懲罰函數和核函數都需要進行優化，雖然取得了一定的研究成果，但是對參數的隨機選擇沒有進行規約優化，為了得到更好的優化支持向量機的內核參數，本文提出了基于混沌粒子群算法優化支持向量機的電子戰無人機作戰效能評估方法。

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

支持向量機回歸效果如何與其所需要優化的參數有極大的關系，因此為了更好地對電子戰無人機的作戰效能進行評估，本文引入混沌—粒子群算法對懲罰參數和核函數參數進行優化。

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

在非線性系統中，混沌特性具有較強的偽隨機性、自身規律性，本文利用這一特性來增強粒子群算法的初始化設置。

本文算法參數尋優的過程如圖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）計算適應度數值，并與當前獲得的最優解比較分析，得到最新的最優解，將當前所有粒子的最優解用計數替換。

（3）更新粒子的位置和速度。

（4）對最優位置繼續進行混沌優化，利用得到的可行解計算最優可行解，然后將其他粒子的位置進行替換。

（5）循環（1）—（4）的尋優，當滿足一定的設定條件時，跳出迭代得到最優解。

4 ? 建立評估指標體系（Establish an evaluation index system）

為了說明本文所提算法對電子戰無人機作戰效能的有效評估，在總結了各種文獻的基礎上，引入文獻[10]同樣的評估指標體系，即無人機的作戰半徑，實用升限，信息的搜集能力，信息的加工能力，人員操作水平和戰場環境的影響系數[10]。