饶 宁， 许 华， 宋佰霖

(空军工程大学信息与导航学院，西安，710077)

电磁空间是继陆、海、空、天的第五维战场，电子对抗是在电磁空间进行军事斗争的主要手段。在感知、决策、行动、评估的闭环电磁频谱作战过程中，干扰决策是进行有效对抗的重要环节，然而目前人工决策的实时性与科学性较差，难以适应未来战场瞬息万变的态势。近年智能决策成为研究热点，出现了基于遗传算法、粒子群算法[1-2]等优化理论的干扰参数寻优方法，这些方法需要较多的先验信息，实用性不强。而随着人工智能技术的迅速发展，无需先验信息的强化学习理论在电子战领域得到初步应用。如Amuru等人[3]将决策干扰参数的过程建模为多臂赌博机模型，提出干扰赌博机(jamming bandit，JB)算法，该算法可自适应地优化干扰信号直至最佳；在干扰信号参数方面，颛孙少帅等人[4]提出一种双层强化学习的干扰决策算法，以牺牲交互时间来提升算法收敛速度，决策干扰参数。此外，该团队还利用正强化的思想来提高最优动作被选中的概率，以更少的交互次数获得更好的干扰效果[5]。在雷达对抗领域，邢强等人[6]针对雷达工作模式及数目未知情况，研究基于Q学习的智能雷达对抗方法，可实现秒量级的收敛速度。黄星源等人[7]利用双Q学习对战场的干扰效果进行自主学习，实现对雷达干扰资源的认知决策。Q学习作为一种基于表格搜索型的强化学习算法，无法解决高维决策问题。而深度Q网络(deep Q network，DQN)[8]可利用神经网络进行Q学习算法中的函数拟合，能够处理高维的态势信息。……