基于遺傳算法的電子對(duì)抗作戰(zhàn)實(shí)驗(yàn)尋優(yōu)方法*

王　梟，劉雅奇，齊　鋒

（電子工程學(xué)院，合肥　230037）

基于遺傳算法的電子對(duì)抗作戰(zhàn)實(shí)驗(yàn)尋優(yōu)方法*

王梟，劉雅奇，齊鋒

（電子工程學(xué)院，合肥230037）

作戰(zhàn)仿真實(shí)驗(yàn)是評(píng)估電子對(duì)抗作戰(zhàn)效能的理想方法，但在方案尋優(yōu)時(shí)卻面臨實(shí)驗(yàn)方案“組合爆炸”的困難。對(duì)此，提出了將遺傳算法引入作戰(zhàn)實(shí)驗(yàn)尋優(yōu)過程的求解思路。簡要介紹了電子對(duì)抗作戰(zhàn)仿真系統(tǒng)；分析了電子對(duì)抗作戰(zhàn)方案擬制一般流程，建立了電子對(duì)抗作戰(zhàn)方案優(yōu)化模型，并給出了結(jié)合遺傳算法和作戰(zhàn)實(shí)驗(yàn)對(duì)其進(jìn)行求解的原理和步驟；通過空襲作戰(zhàn)電子對(duì)抗方案尋優(yōu)的實(shí)例驗(yàn)證了方法的有效性。結(jié)果顯示，本方法能夠極大地提高尋優(yōu)效率。

電子對(duì)抗，作戰(zhàn)實(shí)驗(yàn)，方案優(yōu)化，遺傳算法

0　引言

電子對(duì)抗是信息化戰(zhàn)爭中奪取電磁頻譜控制權(quán)的重要手段。不同于傳統(tǒng)的火力毀傷作戰(zhàn)，它主要通過在電磁空間中偵察、干擾和反干擾實(shí)施對(duì)抗。其作戰(zhàn)效果無形無相，無法直接觀測衡量，因此，對(duì)其作戰(zhàn)運(yùn)用方法的研究一直是部隊(duì)指揮員關(guān)注的重難點(diǎn)問題。傳統(tǒng)的電子對(duì)抗作戰(zhàn)研究方法主要基于“偵察概率”、“干擾壓制區(qū)”等效能指標(biāo)進(jìn)行靜態(tài)的解析計(jì)算［1］。這些方法能夠有效評(píng)估“電子對(duì)抗措施對(duì)敵方電子設(shè)備的影響”，然而隨著信息、火力一體化融合的深入，它們在評(píng)估“電子對(duì)抗措施對(duì)作戰(zhàn)毀傷的影響”時(shí)，往往難以做到全面、客觀。

現(xiàn)階段，高精度的作戰(zhàn)仿真能夠逼真地反映電子對(duì)抗的行為特征及其影響過程。基于合適的實(shí)驗(yàn)設(shè)計(jì)與分析方法，反復(fù)運(yùn)行作戰(zhàn)仿真模型，即可對(duì)電子對(duì)抗作戰(zhàn)運(yùn)用方案進(jìn)行優(yōu)化求解。然而由于實(shí)驗(yàn)變量多，且存在復(fù)雜的高階交互作用，實(shí)際的尋優(yōu)過程往往面臨著“組合爆炸”的困難。文獻(xiàn)［2］系統(tǒng)介紹了作戰(zhàn)仿真實(shí)驗(yàn)設(shè)計(jì)與分析的一般方法；文獻(xiàn)［3-4］分別采用回歸分析和探索性分析的方法解決了具體的電子對(duì)抗作戰(zhàn)實(shí)驗(yàn)評(píng)估問題，然而它們都是基于已獲得的數(shù)據(jù)展開分析，并沒有給出提高實(shí)驗(yàn)效率的方法。

遺傳算法在解決復(fù)雜系統(tǒng)優(yōu)化方面有突出的表現(xiàn)。文獻(xiàn)［5-8］分別利用遺傳算法解決了要地防空衛(wèi)星導(dǎo)航干擾力量的作戰(zhàn)配置、投擲式通信干擾機(jī)的智能部署、通信對(duì)抗偵察裝備的任務(wù)分配和雷達(dá)干擾資源的優(yōu)化分配等問題，展示了遺傳算法在求解電子對(duì)抗作戰(zhàn)運(yùn)用問題的高效特性。然而，這些研究都是基于靜態(tài)的解析模型，針對(duì)某些局部的簡化問題展開，難以全面反映現(xiàn)代戰(zhàn)爭信火融合的特點(diǎn)?；谝陨峡紤]，本文嘗試將遺傳算法與作戰(zhàn)實(shí)驗(yàn)結(jié)合起來，探索電子對(duì)抗作戰(zhàn)研究的新方法。

1　電子對(duì)抗作戰(zhàn)仿真系統(tǒng)概述

本文所進(jìn)行的電子對(duì)抗作戰(zhàn)方案優(yōu)化研究基于信息作戰(zhàn)實(shí)驗(yàn)室研制的“電子對(duì)抗作戰(zhàn)仿真實(shí)驗(yàn)系統(tǒng)”開展。該仿真系統(tǒng)采用了組件化的建模思路，將作戰(zhàn)實(shí)體看作是由“搭載平臺(tái)”、“武器系統(tǒng)”、“傳感器”、“通信設(shè)備”、“電子干擾設(shè)備”5類裝備組件和描述實(shí)體智能特征的“行為規(guī)則”組件組裝而成。系統(tǒng)共實(shí)現(xiàn)了13種搭載平臺(tái)、11種武器系統(tǒng)、18種傳感器、15種通信設(shè)備、21種電子干擾設(shè)備和33種行為規(guī)則，如圖1所示。

圖1　電子對(duì)抗作戰(zhàn)仿真實(shí)驗(yàn)系統(tǒng)模型體系

限于篇幅，各模型的技術(shù)細(xì)節(jié)不再展開論述，在作戰(zhàn)實(shí)驗(yàn)研究中可直接將其看作是“黑盒子”。圖2給出了系統(tǒng)的運(yùn)行效果。

圖2　電子對(duì)抗作戰(zhàn)仿真運(yùn)行效果

2　電子對(duì)抗作戰(zhàn)方案擬制的一般流程

聯(lián)合作戰(zhàn)中，電子對(duì)抗群指揮員需要同時(shí)兼顧掩護(hù)進(jìn)攻和要地防空兩類任務(wù)，合理規(guī)劃所屬兵力的行動(dòng)方案，以最大化戰(zhàn)果、最小化戰(zhàn)損。由于涉及敵我雙方的兵力數(shù)量眾多，相互之間的對(duì)抗約束關(guān)系較為復(fù)雜，電子對(duì)抗作戰(zhàn)方案的擬制通常分“目標(biāo)選擇”，“兵力分組”，“任務(wù)區(qū)分”，“配置規(guī)劃”和“行動(dòng)參數(shù)規(guī)劃”等多個(gè)階段進(jìn)行。

2.1目標(biāo)選擇

電子對(duì)抗兵力數(shù)量有限，在作戰(zhàn)方案規(guī)劃之初，首先要明確對(duì)敵實(shí)施對(duì)抗的重點(diǎn)目標(biāo)。指定電子對(duì)抗目標(biāo)的方式有兩種：一種是在有充分情報(bào)支援的條件下，直接指定目標(biāo)ID，另一種是在情報(bào)不明條件下，指定目標(biāo)區(qū)域。

2.2兵力分組

為便于協(xié)同配合，電子對(duì)抗群指揮所下通常要設(shè)置若干個(gè)分群指揮所，以實(shí)現(xiàn)分級(jí)指揮。電子對(duì)抗部隊(duì)常見的分組原則包括：①按專業(yè)分組，分為通信對(duì)抗分群、雷達(dá)對(duì)抗分群、光電對(duì)抗分群等；②按地域分組，分為前方分群、側(cè)翼分群和后方分群等；③按任務(wù)分組，分為預(yù)警機(jī)對(duì)抗分群、區(qū)域防空分群、精導(dǎo)防護(hù)分群等。

2.3任務(wù)區(qū)分

兵力分組除了將電子對(duì)抗部隊(duì)分解為若干個(gè)相對(duì)獨(dú)立的兵力分群外，還內(nèi)嵌著對(duì)宏觀任務(wù)初步分解的過程，各分群分別擔(dān)負(fù)特定的對(duì)抗任務(wù)。任務(wù)區(qū)分階段主要根據(jù)分群的使命任務(wù)建立各電子對(duì)抗裝備具體的目標(biāo)對(duì)抗關(guān)系。

2.4配置規(guī)劃

配置位置對(duì)電子對(duì)抗裝備作戰(zhàn)效能的發(fā)揮起到了十分重要的作用，通常在任務(wù)目標(biāo)明確之后進(jìn)行有針對(duì)性地配置規(guī)劃，需要綜合考慮裝備性能、任務(wù)需求、地形環(huán)境、隱蔽掩蔽性等。

2.5行動(dòng)參數(shù)規(guī)劃

電子對(duì)抗具體的行動(dòng)參數(shù)包括：干擾時(shí)機(jī)、干擾頻段、干擾方向、干擾樣式、干擾功率等。通常情況下，干擾頻段、方向、樣式都是根據(jù)對(duì)抗目標(biāo)的工作參數(shù)相應(yīng)地確定，而干擾時(shí)機(jī)和干擾功率等則需要根據(jù)具體情況進(jìn)一步規(guī)劃、權(quán)衡。

3　電子對(duì)抗作戰(zhàn)方案優(yōu)化模型

將電子對(duì)抗作戰(zhàn)過程看作是隱藏內(nèi)部機(jī)理的黑盒系統(tǒng)，則前述電子對(duì)抗作戰(zhàn)方案擬制流程可描述為以黑盒系統(tǒng)輸出為目標(biāo)函數(shù)，以作戰(zhàn)方案各參數(shù)的取值空間為約束的規(guī)劃模型：

式中，Ei表示電子對(duì)抗裝備i的作戰(zhàn)方案。Ei（Tgt）表示裝備i的作戰(zhàn)目標(biāo)，｛1，2，…，K｝為可作為對(duì)抗目標(biāo)的敵方電子設(shè)備或戰(zhàn)場區(qū)域的編號(hào)集合。Ei（Team）表示裝備i的分組，｛1，2，…，C｝為軍事人員擬定分組的編號(hào)集合。Ei（Pos）表示裝備i的配置位置，Ei（Team）.Area表示其所在分組的配置區(qū)域。Ei（Power）表示裝備i的發(fā)射功率，Ei.MaxPower表示由裝備性能決定的上限發(fā)射功率。sim u表示替代實(shí)際作戰(zhàn)過程的作戰(zhàn)仿真過程，z表示仿真輸出的作戰(zhàn)結(jié)果，常用戰(zhàn)果、戰(zhàn)損交換比等指標(biāo)進(jìn)行衡量，如式（2）所示：

其中，Ki和Dj表示我方摧毀的敵方第i類目標(biāo)和被敵方摧毀的第j類目標(biāo)的數(shù)量，ωi和ωj分別表示它們所占的價(jià)值系數(shù)。

式中并沒有列舉出全部的方案參數(shù)和取值可能，可根據(jù)軍事人員感興趣的戰(zhàn)術(shù)使用方式對(duì)約束條件進(jìn)行調(diào)整和擴(kuò)展。

4　基于遺傳算法的電子對(duì)抗作戰(zhàn)實(shí)驗(yàn)尋優(yōu)方法

遺傳算法是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法，對(duì)具有多峰，或搜索空間不規(guī)則的優(yōu)化問題具有高度的魯棒性，且不要求對(duì)優(yōu)化問題的性質(zhì)作深入的數(shù)學(xué)分析。利用遺傳算法進(jìn)行電子對(duì)抗作戰(zhàn)實(shí)驗(yàn)尋優(yōu)可概括為產(chǎn)生初始染色體和評(píng)估、選擇、交叉、變異5個(gè)步驟，如圖3所示。

圖3　遺傳算法基本流程

4.1產(chǎn)生初始染色體

遺傳算法通過一串?dāng)?shù)據(jù)（x1，x2，…，xn）表示優(yōu)化問題的解，這一串?dāng)?shù)據(jù)代碼即稱為染色體。算法的原理是模仿生物的遺傳進(jìn)化過程，通過染色體逐代有方向地交叉、變異，使種群適應(yīng)度逐漸趨于最優(yōu)值。因此，算法以產(chǎn)生一組（Num個(gè)）初始染色體為起始點(diǎn)。為保證所攜帶信息的均勻性，通常通過隨機(jī)抽樣的方法產(chǎn)生初始染色體，如式（3）所示。有時(shí)，參數(shù)的取值空間不一定是連續(xù)的。為了保證產(chǎn)生染色體的有效性，還需判斷其是否滿足取值約束。如果不滿足，則需重新產(chǎn)生，直至產(chǎn)生滿足條件的染色體為止。

式中，r表示0～1之間均勻分布的隨機(jī)數(shù)，Φ表示參數(shù)xi的取值空間。

4.2評(píng)估

評(píng)估過程是確保染色體種群朝著優(yōu)化方向進(jìn)化的關(guān)鍵。其方法是以各染色體為輸入計(jì)算系統(tǒng)輸出f，并按照輸出由優(yōu)到劣的次序?qū)θ旧w組進(jìn)行排序；同時(shí)，將當(dāng)前最優(yōu)解f*t與歷史最優(yōu)解f*t-1（從第二代開始）比較，更新歷史最優(yōu)解，并記錄對(duì)應(yīng)的染色體。對(duì)于傳統(tǒng)的靜態(tài)優(yōu)化問題，可直接通過計(jì)算解析的目標(biāo)函數(shù)求得評(píng)估值；而對(duì)于仿真實(shí)驗(yàn)的尋優(yōu)問題，則需運(yùn)行仿真模型，并從仿真過程中采集數(shù)據(jù)，通過預(yù)定的評(píng)估算法得到系統(tǒng)輸出。

4.3終止條件

可通過評(píng)估結(jié)果的收斂性決定是否終止迭代循環(huán)。其實(shí)施方法是：如果連續(xù)若干次迭代都沒有使系統(tǒng)的最優(yōu)輸出得到顯著改善（如式（4）所示），則終止迭代循環(huán)。

式中，f*t為第t次迭代的系統(tǒng)最優(yōu)輸出，ε為人為指定的任意小值，T為判斷是否收斂的連續(xù)代數(shù)。

4.4選擇

如果優(yōu)化過程尚未收斂，則需通過交叉、變異產(chǎn)生新染色體組，并進(jìn)行新一輪的遺傳迭代。為確保種群朝著更優(yōu)的方向進(jìn)化，通常不會(huì)讓全部染色體參與遺傳過程，而是給予較優(yōu)的染色體較多的遺傳機(jī)會(huì)。選擇的方法是：產(chǎn)生一個(gè)0～1之間均勻分布的隨機(jī)數(shù)r，并與累積概率qi（如式（5）所示）比較，如果有qi-1≤r≤qi，則選擇第i個(gè)染色體，如此重復(fù)，直至選出全部Num個(gè)父代染色體。過程中可能會(huì)有染色體被多次選中。

式中，a為排序參數(shù)，通常取a=0.05。

4.5交叉

交叉過程實(shí)現(xiàn)染色體之間的信息交換與組合。其實(shí)施方法是：將選擇產(chǎn)生的Pc·Num個(gè)父代染色體等可能的兩兩隨機(jī)組合，并按式（6）產(chǎn)生子代染色體：

式中，x（1）和x（2）分別為父代染色體，x（1）'和x（2）'為交叉產(chǎn)生的兩個(gè)子代染色體，r為0～1之間均勻分布的隨機(jī)數(shù)。

4.6變異

變異過程為種群遺傳引入突變信息，可避免算法收斂至局部最優(yōu)解。其實(shí)施方法是：從所有染色體的全部基因中盡可能地隨機(jī)選取Pm·Num·n個(gè)基因按式（7）進(jìn)行變異操作：

式中，M為一個(gè)足夠大的數(shù)。

需要注意的是：由交叉和變異產(chǎn)生的新染色體，必須通過有效性驗(yàn)證，即必須滿足取值約束，才能進(jìn)入下一輪的迭代過程；否則，重新執(zhí)行交叉或變異過程，直至滿足約束為止。

5　應(yīng)用實(shí)例

5.1背景想定

紅方三批突擊編隊(duì)同時(shí)分別從3個(gè)機(jī)場出發(fā)，意圖摧毀藍(lán)方3個(gè)重要目標(biāo)。3個(gè)突擊編隊(duì)分別由1架轟炸機(jī)和3架殲擊機(jī)組成，突擊飛行的速度均為700 km/h。已察明藍(lán)方防空系統(tǒng)由1架預(yù)警機(jī)、1部地面警戒雷達(dá)、5套防空導(dǎo)彈系統(tǒng)（含目標(biāo)指示雷達(dá)）、兩批各3架在空域巡邏待戰(zhàn)的殲擊機(jī)和6架機(jī)場待戰(zhàn)的殲擊機(jī)組成，其位置分布態(tài)勢如圖4所示。其中殲擊機(jī)負(fù)責(zé)外區(qū)防空（距邊境線60 km～100 km），防空導(dǎo)彈負(fù)責(zé)內(nèi)區(qū)防空（距邊境線10 km～60 km）。1～3號(hào)防空導(dǎo)彈由南部防空指揮所協(xié)調(diào)指揮；4、5號(hào)防空導(dǎo)彈由北部防空指揮所協(xié)調(diào)指揮；殲擊機(jī)由航空指揮所統(tǒng)一指揮。其協(xié)同指揮遵循“先到先服務(wù)”和“就近分配”的原則，即將對(duì)先到達(dá)來襲目標(biāo)的攔截任務(wù)分配給距其最近的防空武器。

圖4　想定態(tài)勢分布

紅方的電子對(duì)抗作戰(zhàn)力量為：3架電子干擾飛機(jī)（搭載雷達(dá)和通信對(duì)抗設(shè)備各一部），12部地對(duì)空雷達(dá)對(duì)抗系統(tǒng)和6部地對(duì)空通信對(duì)抗系統(tǒng)?？紤]敵空襲打擊范圍和地形、交通等因素的限制，軍事人員已明確了電子干擾飛機(jī)的巡航路線、地對(duì)空電子對(duì)抗系統(tǒng)的可配置區(qū)域的坐標(biāo)范圍，并設(shè)計(jì)了兩個(gè)掩護(hù)進(jìn)攻的干擾任務(wù)區(qū)，如圖4所示?，F(xiàn)在的任務(wù)是：通過作戰(zhàn)實(shí)驗(yàn)的方法尋找紅方各電子對(duì)抗裝備的干擾目標(biāo)、干擾行動(dòng)起止時(shí)間和地對(duì)空電子對(duì)抗系統(tǒng)配置位置的優(yōu)化方案。下頁表1給出了想定中的部分戰(zhàn)術(shù)配置和裝備性能參數(shù)。表2給出了紅藍(lán)雙方的目標(biāo)價(jià)值系數(shù)。

5.2求解過程

5.2.1產(chǎn)生初始染色體及仿真評(píng)估

按照式（3）的方法產(chǎn)生一組50個(gè)染色體（電子對(duì)抗作戰(zhàn)方案）。運(yùn)行仿真模型，根據(jù)仿真結(jié)果計(jì)算各染色體對(duì)應(yīng)的戰(zhàn)果戰(zhàn)損交換比，并根據(jù)交換比從大到小的順序?qū)θ旧w組進(jìn)行排序。仿真模型單次運(yùn)行的平均耗時(shí)為7.9 s；依次運(yùn)行全部染色體，并對(duì)仿真結(jié)果排序共耗時(shí)6.58min。其中最優(yōu)染色體對(duì)應(yīng)的戰(zhàn)果戰(zhàn)損統(tǒng)計(jì)如下頁圖5所示，交換比為0.856 4。

表1　部分想定參數(shù)

表2　目標(biāo)價(jià)值系數(shù)

圖5　初始方案的戰(zhàn)果戰(zhàn)損分布

圖6　優(yōu)化方案的戰(zhàn)果戰(zhàn)損分布

5.2.2遺傳迭代

設(shè)置交叉概率Pc和變異概率Pm分別為0.3和0.2，收斂判決門限為0.01，進(jìn)入圖3所示的遺傳迭代循環(huán)。經(jīng)過83次迭代，紅方交換比達(dá)到2.026，其改善已連續(xù)10次小于判決門限，迭代終止，共耗時(shí)9.11 h。表3展示了最終優(yōu)化方案的部分細(xì)節(jié)。

表3　優(yōu)化的電子對(duì)抗作戰(zhàn)方案（部分）

圖6給出了該優(yōu)化方案對(duì)應(yīng)的紅藍(lán)戰(zhàn)損對(duì)比，下頁圖7給出了算法的迭代收斂過程。

圖7　迭代收斂過程

6　結(jié)論

遺傳算法可以有效解決電子對(duì)抗作戰(zhàn)實(shí)驗(yàn)尋優(yōu)中面臨的“組合爆炸”問題。實(shí)例顯示在涉及49個(gè)實(shí)體的想定背景中，對(duì)紅方21個(gè)電子對(duì)抗裝備的配置位置、目標(biāo)選擇和行動(dòng)時(shí)間等方案參數(shù)尋優(yōu)僅需進(jìn)行83×50次仿真實(shí)驗(yàn)即可達(dá)到收斂。而如果采用全組合的實(shí)驗(yàn)設(shè)計(jì)方法，則僅對(duì)目標(biāo)選擇方案進(jìn)行尋優(yōu)即需要318×63次實(shí)驗(yàn)?？梢姡啾热M合實(shí)驗(yàn)，遺傳算法的尋優(yōu)效率得到了極大的提高。其原因在于：遺傳算法能夠根據(jù)歷史記錄智能地將實(shí)驗(yàn)探索空間向優(yōu)化的方向引導(dǎo)，從而大幅削減了對(duì)次優(yōu)空間的試探。

需要說明的是，即使尋優(yōu)效率得到了極大提高，總的實(shí)驗(yàn)耗時(shí)仍然高達(dá)9個(gè)多小時(shí)。其原因主要是：方案優(yōu)化涉及的問題空間十分龐大，需要維持較大數(shù)量的染色體種群，以避免陷入局部最優(yōu)解。可以預(yù)見，如果通過軍事人員的合理規(guī)劃，并結(jié)合先驗(yàn)作戰(zhàn)知識(shí)對(duì)問題空間進(jìn)行有效的壓縮，則可大量減少種群數(shù)量，進(jìn)一步提高實(shí)驗(yàn)尋優(yōu)的效率。

［1］邵國培，曹志耀，何俊，等.電子對(duì)抗作戰(zhàn)效能分析原理［M］.北京：軍事科學(xué)出版社，2013.

［2］胡劍文，常青，張岱，等.作戰(zhàn)仿真實(shí)驗(yàn)設(shè)計(jì)與分析［M］.北京：國防工業(yè)出版社，2010.

［3］耿松濤，劉雅奇，張順健，等.基于實(shí)驗(yàn)數(shù)據(jù)的電子對(duì)抗效能分析建模方法［J］.火力與指揮控制，2014，39（1）：63-67.

［4］耿松濤，劉雅奇.基于探索性分析的電子對(duì)抗作戰(zhàn)方案評(píng)估方法［J］.軍事運(yùn)籌與系統(tǒng)工程，2013，27（2）：34-38.

［5］程力睿，張順健，曾芳玲.衛(wèi)星導(dǎo)航干擾源優(yōu)化部署方法［J］.火力與指揮控制，2015，40（7）：43-46.

［6］沈楠，何俊，齊鋒，等.基于隨機(jī)規(guī)劃的投擲式通信干擾兵力部署建模研究［J］.軍事運(yùn)籌與系統(tǒng)工程，2011，25（2）：53-59.

［7］侯琳，劉湘?zhèn)?，鞠照?通信對(duì)抗偵察裝備分配優(yōu)化問題仿真［J］.火力與指揮控制，2012，37（10）：146-149.

［8］韓國璽，何俊，茆學(xué)權(quán)，等.基于改進(jìn)遺傳算法的雷達(dá)干擾資源優(yōu)化分配［J］.火力與指揮控制，2013，38（3）：99-102.

［9］劉寶碇，趙瑞清，王綱.不確定規(guī)劃及應(yīng)用［M］.北京：清華大學(xué)出版社，2003.

Electronic Countermeasure Warfare Experiment Optim ization Method Based on Genetic Algorithm

WANG Xiao，LIU Ya-qi，QI Feng
（Electronic Engineering Institute，Hefei230037，China）

Warfare simulation experiment is the idealmethod to estimate the operational efficiency of electronic countermeasure（ECM）.But combination explosion problem of experiment schemes will appear when searching for the optimized scheme.To solve the problem，the idea of introducing genetic algorithm into the warfare experiment is advanced.The electronic warfare simulation system is briefly introduced.The common process of making ECM operational scheme is analysed.ECM operational scheme optimization model is built.The principle and procedure of the combination method of genetic algorithm and warfare experiment is described.An example of ECM scheme optimization in the background of air strike is demonstrated，which shows that the optimization efficiency is greatly improved.

electronic countermeasure，warfare experiment，scheme optimization，genetic algorithm

TP391.9

A

1002-0640（2016）08-0155-05

2015-06-24

2015-07-29

全軍軍事類研究生基金資助項(xiàng)目（2013JY312）

王梟（1991-），男，安徽壽縣人，博士研究生。研究方向：作戰(zhàn)模擬與作戰(zhàn)實(shí)驗(yàn)。