陈 侠，胡乃宽

（沈阳航空航天大学自动化学院，沈阳 110136）

0 引言

当前军用无人机的主要使命仍然是执行战场侦察任务。由于作战理念的不断更新和现代化武器的不断列装，作战环境越来越复杂多变，因此，有必要预先对侦察无人机的作战效能进行评估。为了客观准确地对侦察无人机作战进行效能进行评估，本文提出了基于粒子群算法优化支持向量机的侦察无人机作战效能评估方法。支持向量机是一种新的机器学习方法，其是根据统计学习理论发展而来的，具有较快的收敛速度和较强的泛化能力，并且能够以任意的精度逼近非线性函数。除此之外，该方法还解决了贝叶斯网络[1]，灰色关联分析法[2]，层次分析法[3]，ADC 法[4]，模糊推理法[5]等传统方法需要专家评估出各个作战效能影响因素的权重的缺点，降低了作战效能评估的主观性。但是支持向量机应用在无人机作战效能评估时，需要选择合适的惩罚参数c和核函数参数δ，才能获得精确的效能评估结果[6]。而以往支持向量机的惩罚参数c和核函数参数δ是根据经验来选取的，因此，具有一定的局限性[7]。为了解决人为设定惩罚参数c和核函数参数δ的盲目性，本文采用粒子群算法寻找最优惩罚参数c和核函数参数δ。粒子群算法是一种基于群智能的优化算法，该算法可以通过粒子的不断迭代寻优，搜索到最优惩罚参数c和核函数参数δ，使得支持向量机表现出更加优异的性能[8]。因此，本文采用基于粒子群算法优化支持向量机的方法对侦察无人机作战效能进行评估，并通过仿真实验证明了该方法具有较高的评估精度。……