李复名 徐才进

摘 要 电子对抗领域的资源调度是以最大化作战效能发挥为目标，通过算法获取合理优化方案，动态地最大化利用己方作战资源，提高体系作战效能。本文通过梳理电子对抗中资源调度算法，分析了各算法的适用条件，并结合当前现状提出了发展建议。

关键词 电子对抗;资源调度;任务分配

引言

在信息化战争中，电磁频谱是连接海、陆、空、天和网络等作战域的唯一媒介，信息的获取、传输以及精准打击日益依赖于电磁频谱，电磁空间的博弈已经成为主宰信息化战争的关键之一[1]。

一方面，随着战场电磁环境日益复杂、作战任务多样、作战平台数量激增等，传统的点对点的对抗已经发展成为体系与体系之间的对抗，需要全面充分利用己方各型平台的电子对抗资源，实现全局作战资源的综合运用。另一方面，电磁域的交战激烈程度和博弈难度越来越大，战场环境和敌我电磁力量瞬息万变，需要快速调整己方电磁力量以适应战场这种不确定性。因此需要研究电子对抗资源调度以实现己方整体作战效能最优。

1电子对抗资源调度研究现状

根据军事运筹学理论，如果想充分利用己方的电子对抗资源，必须对己方的电子对抗资源进行统一指挥，实现相互协作，以达到最优的作战效果。电子对抗的资源调度是如何合理地在时间、空间和频率等维度对己方电子对抗资源进行布置，以达到电子对抗资源的最优化分配。电子对抗资源调度的时效性、准确性和全面性等因素将直接影响最终的电子对抗效能发挥。因此对电子对抗中资源调度问题的研究非常有必要。电子对抗资源调度主要是对电子对抗的资源，包括电子侦察、电子进攻和电子防御等资源进行合理的任务规划及调度，优化不同电子对抗资源的作战方案，为决策者提供决策辅助。由于电子对抗资源的能力，敌方目标威胁状态、战场电磁环境和作战时机等条件的约束，跨平台的电子对抗资源的协同作战会相互制约，这就使得相关的调度问题复杂程度成指数级增长。

目前在电子对抗的资源调度领域，主要包括战前的任务分配和战中的动态调度。其中，战前任务分配属于静态资源调度，国内关于该方向的研究成果较多。而由于在不确定对抗战场环境中，实现对多单元的实时决策和控制面临更多的挑战，因此战中进行的动态资源调度的研究相对较少。

2电子对抗资源调度算法分类

目前在电子对抗资源调度是要求在满足资源数量、时间、空间和电磁频谱的约束下，安排所有电子对抗资源执行任务方案，以达到电子对抗资源均衡、执行任务时间最短、己方作战代价最小等目标。电子对抗资源调度可用不同的目标函数来进行数学建模，这些目标函数可考虑时间、作战成本、作战单元数量等因素。而获取合理的电子对抗资源调度方案的过程即对不同作战任务的组合优化，这类问题理论模型非常丰富，但求解比较困难，属强NP-hard问题[2]。通过调研，目前该问题的常用求解方法可分为精确方法、近似方法和人工智能算法三大类。

2.1 精确方法

精確方法即在所求问题可解析的情况下，通过简化问题，实现求解问题的最优解，精确方法一般包括整数规划、枚举法和分支定界法。该方法的优势就是求解到最优的方案，但如果问题规模增大，那么其求解的难度也会急剧增加，获取该最优解的时间也会指数增加[3]。同时描述复杂问题的能力有限，构建的数学模型无法充分描述电磁战场环境的复杂性、随机性和动态性。而电子对抗资源调度具有资源规模大的特点，因此精确算法存在计算量大，求解时间长，因此其时效性无法满足电子对抗的要求，因此不适用于大规模电子对抗资源调度问题[2]。

2.2 近似方法

近似方法通常分为构造性方法和元启发式法。近似方法一般能在合理的时间求解出相对合理的次优解，目前已广泛应用于云计算、频谱分配和车间调度等领域。近似方法中的构造性方法包括优先分配规则法、瓶颈移动启发式方法和插入法等[3]，通常这类方法能够快速建立数学模型并对其求解，但是其解主要是通过局部优化的方法，无法对全局进行优化，同时也无法对结果合理性和准确性进行定量的评估。另一种元启发式算法主要是基于自然现象的启发来进行资源调度问题的求解，常用元启发式算法包括群体智能的算法和局部搜索法。智能优化算法是由生物的某种特性进行启发发展出来的算法，包括：遗传算法、粒子群优化算法和蚁群算法等;局部搜索算法是有传统局部搜索算法发展而来的，其主要进行避免陷入局部最优的升级，该算法主要包括：禁忌搜索算法、模拟退火算法和多起点局部搜索等[3]。

2.3 人工智能算法

人工智能算法是实现人类智能模拟而建立的算法，其主要包括结构模拟、功能模拟和行为模拟三种智能模拟方法。一般来说，按照作战活动的不同，可以将战争空间划分为物理域、信息域、认知域和社会域4个交叠构成的具有跨域特性的作战域[4]。作战过程可以由OODA循环来描述，电子对抗中的电磁态势综合认知和智能自主决策是待人工智能解决的重要领域，目前的研究集中在电磁态势感知综合认知以及电磁战场自主决策等方面深度神经网络的构建。由于电磁战场具有规模大、复杂度高、变化快以及对手的不确定性等热点，基于人工智能算法的电子对抗智能资源调度的研究也任重道远。

4思考与建议

综上所述，未来电子对抗中资源调度，尤其是智能资源调度技术还有许多需要解决的问题，如开发更有效率的资源调度算法;建立权威机构，加强电磁管控;优化力量编组，理顺协同关系，提高体系作战能力;强化联合训练，提升协同能力，全面提升作战效能。

参考文献

[1] ROBERT J E. 21st Century Electronic Warfare [R]. USA： Association of Old Crows White Paper，2010.

[2] 薛羽.仿生智能优化算法及其应用研究[D].南京：南京航空航天大学，2013.

[3] 张超勇.基于自然启发式算法的作业车间调度问题理论与应用研究[D].武汉：华中科技大学，2006.

[4] 陶九阳，吴琳，胡晓峰.AlphaGo技术原理分析及人工智能军事应用展望[J]，指挥与控制学报，2016，2（2）：114-120.