马兴民 张勇

摘  要：电子战无人机的作战效能评估在未来智能网信体系作中具有重要意义。针对电子战无人机作战效能评估过程中影响因素复杂、小样本、非线性等问题，引入了支持向量机算法，为了提高评估的效率和有效性，引入具有较强伪随机性、自身规律性的混沌系统对粒子群初始粒子进行了优化，然后利用混沌粒子群对支持向量机的参数进行了优选，提高了整体评估效率。仿真实验结果表明混沌粒子群-支持向量机模型可以准确地对电子战无人机进行作战效能评估，具有较好的计算精度。

关键词：电子战无人机;作战效能评估;混沌粒子群;支持向量机

中图分类号：TP301     文献标识码：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）

在戰场环境下，电子战无人机不需要飞行员的实体操作，可以大量减少作战人员的伤亡，因此，电子战无人机在未来作战中将会起到越来越重要的作用。但是在电子对抗中，电磁环境复杂，如何有效地对电子战无人机的作战效能进行预先评估已成为难点问题。

支持向量机是一种较新的机器学习算法，其优点是具有较快的收敛速度和较强的泛化能力，广泛应用于医疗图像分类[1]、工业故障诊断[2]等领域。在作战效能评估方向，东南大学崔鹏飞等人提出了v-SVM模型对武器装备作战效能进行了评估方法[3]，信息工程大学代耀宗等人基于LS-SVM算法对实兵对抗演习效能进行了评估[4]，西北机电工程研究所杨健为等人基于差分进化支持向量机的武器系统作战效能评估方法[5]，沈阳航空航天大学陈侠等人基于改进型支持向量机对侦察无人机作战效能评估[6]，在这些改进算法中，支持向量机的惩罚函数和核函数都需要进行优化，虽然取得了一定的研究成果，但是对参数的随机选择没有进行规约优化，为了得到更好的优化支持向量机的内核参数，本文提出了基于混沌粒子群算法优化支持向量机的电子战无人机作战效能评估方法。

2  支持向量机回归模型（Support vector machine regression model）

支持向量机回归效果如何与其所需要优化的参数有极大的关系，因此为了更好地对电子战无人机的作战效能进行评估，本文引入混沌—粒子群算法对惩罚参数和核函数参数进行优化。

3  支持向量机参数自适应混沌粒子群优化模型的建立（Establishment of parameter adaptive chaotic particle swarm optimization model based on support vector machine）

在非线性系统中，混沌特性具有较强的伪随机性、自身规律性，本文利用这一特性来增强粒子群算法的初始化设置。

本文算法参数寻优的过程如图1所示，具体步骤为：

（1）利用混沌初始化粒子的位置和速度。

（2）计算适应度数值，并与当前获得的最优解比较分析，得到最新的最优解，将当前所有粒子的最优解用计数替换。

（3）更新粒子的位置和速度。

（4）对最优位置继续进行混沌优化，利用得到的可行解计算最优可行解，然后将其他粒子的位置进行替换。

（5）循环（1）—（4）的寻优，当满足一定的设定条件时，跳出迭代得到最优解。

4   建立评估指标体系（Establish an evaluation index system）

为了说明本文所提算法对电子战无人机作战效能的有效评估，在总结了各种文献的基础上，引入文献[10]同样的评估指标体系，即无人机的作战半径，实用升限，信息的搜集能力，信息的加工能力，人员操作水平和战场环境的影响系数[10]。