基于遗传算法优化的压制干扰协同UCAV航迹规划_李世晓

资 源 简 介

基于遗传算法优化的压制干扰协同UCAV航迹规划_李世晓

详 情 说 明

针对无人机集群（UCAV）在电子战环境下的航迹规划问题，李世晓提出了一种基于遗传算法优化的压制干扰协同策略。该研究聚焦于复杂对抗场景中如何通过智能算法实现多机协同路径优化，同时兼顾干扰效能与生存概率的提升。

核心思路首先建立包含雷达威胁、干扰覆盖和燃油消耗的多目标代价函数，将航迹规划转化为带约束的优化问题。遗传算法通过染色体编码表示航迹节点，利用选择、交叉和变异算子迭代搜索最优解。创新点在于将干扰机与攻击机的航迹协同优化——干扰机路径需最大化压制敌方雷达网，而攻击机则依托干扰掩护选择突防路径。

实验表明，该方法能有效平衡隐蔽性、突防成功率和任务时效性，较传统单机规划算法提升约30%的协同效能。研究为电子战环境下智能集群作战提供了可扩展的算法框架，后续可结合强化学习进一步优化动态对抗场景的实时决策能力。