基于滚动周期粒子群算法的雷达组网协同分配方法.pdf

程与应用工程与应用S工程与应用Aug.2023Journal of CAEIT2023年8 月Vol.18 No.8第8 期中网电子绒学研完院学報doi:10.3969/j.issn.1673-5692.2023.08.008基于滚动周期粒子群算法的雷达组网协同分配方法张功成，马先龙，刘俊贤，刘林（1.南京电子技术研究所，江苏南京210039；2.西北工业大学航天学院，陕西西安710072)摘要：针对反导预警系统执行饱和弹道导弹目标攻击场景中的雷达实时任务分配问题，提出一种资源约束下基于动态自适应滚动周期混合粒子群算法的多任务协同分配方法。根据弹道导弹的目标特性，建立了任务综合优先级规划模型；为了实现分配效能最大化，考虑资源约束的基础上建立了雷达资源利用率、任务综合价值实现率、雷达切换次数、任务调度成功率为目标函数的雷达组网多任务资源分配模型，基于离散粒子群算法进行粒子选代逻辑优化，满足算子自适应的选择、变异及交又操作；为适应战场环境的动态复杂特性，建立了滚动周期调度模型和事件重调度模型，设计的协同调度策略很好地满足了实时性的要求。仿真结果表明，在饱和场景下使用基于动态自适应滚动周期混合粒子群算法能够有效解决实时雷达组网多任务协同分配问题。关键词：反导预警系统；多任务分配；综合优先级；混合粒子群算法；动态自适应；滚动周期中图分类号：TN959文献标志码：A文章编号：16 7 3-56 92(2 0 2 3)0 8-7 30-0 9A Collaborative Assignment Method for Radar NetworkingBased on Period Particle Swarm Optimization AlgorithmZHANG Gong-cheng,Ma Xian-long,LIU Jun-xian,LIU Lin(1.Nanjing Research Institute of Electronics Technology,Nanjing 210039,China;2.School of Astronautics,Northwest Polytechnic University,Xi an 710072,China)Abstract:Considering the problem of radar real-time task allocation in the saturated ballistic missile tar-get attack scene implemented by the antimissile early warning system,A multi-task collaborative assign-ment method for radar networking based on dynamic responsive rolling period particle swarm optimizationalgorithm is proposed under resource constraints;The model of task integrated priority planning is estab-lished according to the target characteristics of ballistic missile.In order to maximize the allocation effi-ciency,a radar networking multi-task resource allocation model with radar resource utilization rate,taskcomprehensive value realization rate,the number of radar detection shifts,and task scheduling successrate as objective functions is established based on resource constraints.The particle update mechanism isoptimized on the basis of discrete particle swarm optimization algorithm,which supports setting adaptiveselection crossover and mutation operators.In order to adapt to the dynamic and complex characteristicsof the battlefield environment,a rolling cycle scheduling model and an event rescheduling model are es-tablished to design a cooperative scheduling strategy,which well meets the requirements of real-time per-formance.The simulation results show that dynamic responsive rolling period particle swarm optimizationalgorithm can effectively solve the problem of real-time radar networking multi task collaborative allocationin saturated scenarios.收稿日期：2 0 2 3-0 4-2 0修订日期：2 0 2 3-0 7-0 22023年第8 期张功成等：基二滚动周期粒子群算法的雷达组网协同分配方法731Key words:antimissile early warning system;multi-tasks allocation;comprehensive;dynamic respon-sive particle swarm optimization;rolling period0引 言在预警体系作战中，根据对已知的国内外预警探测系统工作流程和组成分析可知，综合运用天基预警卫星系统、地面雷达，可以提升体系协同、信息共享、全域覆盖、态势感知能力，对于在复杂战场环境及资源约束条件下的天基装备、雷达装备间的自适应调度方法1-2】，是导弹预警探测系统需要解决的关键技术之一。资源约束下的雷达组网多任务分配资源调度问题一方面是一个NP完全问题,约束众多,且解空间随着目标总数的增加呈指数级增加3。关于此类问题科研院校进行了大量的理论和实践研究。文献【4 考虑了混合粒子群算法解决多无人机的任务分配,综合了粒子群和禁忌搜索算法的优点,并对多种算法进行了性能对比；文献5 基于粒子群算法建立了静态任务协同分配模型，提供了实战中可以应用的思路；文献6 将混沌理论应用到遗传算法之中，比传统算法解决雷达任务调度问题效率更高、结果更好。但这些方法尚存在以下三点不足，（1）未考虑目标的多任务属性，比如导弹目标基本的搜索、跟踪任务；（2）虽然使用了智能寻优算法，但未考虑导弹任务的高时敏性特点；（3）未对动态场景下资源实时抢占和修复分配算法进行深入研究。针对上述问题，本文根据弹道导弹目标特点设计了任务综合优先级规划方法，为了契合导弹目标处理的高时敏性特点，建立了滚动周期调度模型7-8 和事件重调度模型9，从实时性上满足了雷达组网任务分配10-131 的要求。资源分配方面，提出的资源约束下基于动态自适应滚动周期混合粒子群算法（Dynamic Responsive Rolling Period ParticleSwarm Optimization Algorithm,DRRPPSO）调度方法，融合了粒子群算法14-16 、遗传算法17 的优点，设计了自适应选择、交叉、变异策略，在保证收敛速度的基础上避免陷入局部最优，并通过仿真结果验证了算法的有效性。主要步骤如下。步骤1在预警任务输人驱动下，对任务关注的时空范围内的目标需求进行离散化分析，建立任务指标体系；步骤2 以任务数据为输人，基于目标任务类型等因素，分析针对所给任务（搜索及跟踪）需要的预警装备能力要求，基于红外预警卫星先验信息和目标可探测性分析结果，筛选满足需要的装备，形成候选装备集，按任务对预警资源编组；步骤3根据预警任务的实时性要求，综合运用各异构装备性能特点、装备资源约束，提出了滚动周期调度方法，准实时发布预警系统调度方案；步骤4实时响应调度周期内突发事件，建立事件调度模型，满足战场环境的动态复杂特性。1弹道导弹目标任务指标体系建立弹道导弹威胁度评估首先根据任务类型进行区分，搜索任务由天基红外预警卫星告警产生，因目标不确定性大，置为最高优先级1，跟踪任务涉及的因素包含导弹类型、飞行阶段、目标属性、发射区域、攻击区域。根据装备测量的航迹信息进行融合处理，可得到发落点、射程等信息。根据经验或构建目标威胁模型、进行指标体系标准化17 和进行综合优先级规划18-19 1.1目标跟踪威模型建立1.1.1目标速度威胁度(1)exp-a(v-v式中：为目标速度;U。为临界速度;为控制速度威胁函数的常系数，一般取0.0 1,0.10 ，越大,曲线上升拐点处的越大，且之后曲线上升越快2 0 1.1.2目标距目的地威胁度考虑到预警时间，导弹距离攻击点越近威胁越大。W,=(1-b)exp(-cr)+b（2)式中：r为距离目的地距离;b为最小距离威胁度;c为控制目标距离威胁度函数的常系数，c越大，曲线拐点处的目标距离越小，虚线越接近呈现“L”形分布。1.1.3保护区域的重要等级威胁度保护区域的重要等级威胁度W，按照经济与政治影响力进行重要等级分级1O2023年第8 期732中国电石科学研究院学報0.9,核导弹基地0.7,军政领导中心、作战指挥系统W.=0.5,军事基地、水利枢纽0.3,经济目标0.1,境外地区1.1.4目标属性威胁度不同属性目标威胁度W，不同，相比之下弹头威胁度最高、干扰诱饵及残骸次之、碎片最低，1.0,弹头0.5,干扰W,=0.3,诱饵0.2,残骸0.1,碎片1.1.5导弹射程威胁度一般来讲，射程越大威胁度越高，约定划分方法如下17 O0.9,s8000km,洲际弹0.7,8000kms4000km,远程弹W.0.5,4000kms1100km,中程弹l0.3,s1 100km,近程弹1.2指标体系标准化设m个导弹目标n个指标构成决策矩阵X=（x s）mx n。对于正向指标，取x=maxxi,x=1imminXj,则:0lim,ljn(3)对于逆向指标,取x=maxx,xg=min xj,贝0一yi(4)*.0经过极差变换后，均有0 y;1,并且正、逆向指标均转化为正向指标，最优值为1,最劣值为0，矩阵Y=（y）mx n 为极差变换标准化矩阵。消除了两者量纲上的差异，而且保证了每一个任务对应优先级的唯一性17 1.3综合优先级规划根据极差变换标准化矩阵，采用线性加权求和方法来计算目标威胁程度综合值,其计算公式为2 1J;=Z(k.ya)(5)j=1式中：k,满足k,=1。j12雷达组网多任务协同分配数学模型DRRPPSO算法的运行机制如图1所示，在滚动的每一步，需要确定基于当前状态的滚动周期调度窗口，并对这一调度窗口内的局部问题进行场景预测（传感器资源预测、目标预测）和优化求解2】，并实施当前求解策略。随着动态过程的延续，周期性地驱动调度窗口向前移动，从而形成滚动优化。当前调度时间点下一调度时间点当前需求预测需求任务层调度计算窗口预测需求集合协同分配策略滚动执行协同搜索策略动态响应协同跟踪策略预测资源集合装备层当前资源预测资源图1滚动调度策略执行示意图2.1目标函数设置2.1.1时间资源利用率因子时间资源利用率因子是周期内成功执行的所有任务所用时间与可用时间的比值，即LOL,=2(6)j=1式中：2tdw为当前计算周期内各子任务占用的时j=1间资源；t，为各装备可用时间资源之和。在调度过程中，算法应充分利用装备时间资源对任务进行调度,因此，时间利用率越高,算法性能越佳2 32.1.2调度成功率因子调度成功率因子是周期内成功执行的任务数与请求调度的任务数量之比，即LOI,=N,/Nall(7)式中：N。为调度周期内成功调度的任务总数；Nall为调度周期内需调度的任务总数2.1.3资源切换衡量因子假设针对目标i的预警探测任务，其任务优先级为Pi，在跟踪时间段t+t 内雷达任务交接次数为hi,则定义系统在t+t 内的资源切换衡量因子Qawich为2023年第8 期张功成等：基于滚动周期粒子群算法的雷达组网协同分配方法733mp:h;(8)三switchi=1函数表达式如下：NSswitchLOI,=1(9)NSswitchmax式中:NSSswitch表示静态周期调度前后两个子周期所有工作传感器的切换次数；NS表示所有分配itehm方案中传感器切换次数的最大值。2.1.4任务价值衡量因子任务的重要性是根据目标威胁程度计算的，任务价值以目标威胁度、完成程度等来确定。函数表达式如下：NTsUC1LOI4VTALLxijSTprior,i,j(10)二式中：NTsuc为某分配子周期内成功完成搜索和跟踪任务个数；VTALL为该子周期系统中任务总的综合优先级;x,为第i个任务在第j个分配子周期内是否被成功执行，若是则xi,=1,否则xi=0;STpriori,j为第i个任务在第个分配子周期内威胁度的值。综上所述，静态周期调度算法的总目标函数为4LOI=Z入,LOI,(11)n=1式中：入，为对应目标函数在总目标函数中占的权重,且有42入,=1(12)=12.2约束条件描述（1）传感器资源约束，执行任务的各装备时间资源消耗量都不能超过其当前可用时间资源（2）子任务使用资源数量下限约束，本文装备数量最小限制为1。(3)子任务使用资源数量上限约束，表示一个子任务最多使用2 个资源同时对其进行探测。（4)任务成功调度执行约束,搜索截获概率约束要求为不低于0.99,且单次告警分配搜索屏数量为1。跟踪精度要求，本文转换为跟踪数据率要求，分为粗跟、精跟，详见表1。表1跟踪精度要求任务类型数据率要求/Hz粗跟1精跟23基于动态自适应滚动周期混合粒子群算法的雷达组网多任务协同分配方法3.1离散混合粒子群算法传统的粒子群算法主要应用于连续变量条件下的优化问题，且容易陷人局部最优，在离散混合粒子群算法(Genetic Particle Swarm Optimization,GPSO)中将粒子群算法(Particle Swarm Optimization,PSO)和遗传算法（Genetic Algorithm，G A）相结合，采用精英保留和排名选择的策略，进行自适应算子寻优，以增大种群多样性、避免陷人局部最优、提高算法效率2 4在进行迭代更新时，根据粒子本身的最优解Pesia和粒子群中全体粒子的最优解ghetd来更新每个粒子的位置和速度14迭代更新方程为Vit.a+Ciri(pbesid水+1+C2r2(gbesidkXid,dk+1=x.a+VtX，d.d(13)式中：ieN（1,m）,m 为粒子群中粒子个数;dEN(1,n）,n 为解向量的维数;k为迭代次数;Ci、C2 为学习因子；为权重；ri、2 为0,1 之间的随机数153.1.1变异操作结合遗传算法进行粒子更新，这一部分代表粒子X,对其自身飞行速度的思考，其形式化描述如式(14)所示。表示以概率（惯性权重）执行F代表的与遗传算法一样的变异操作,否则入+1=X。Fi(X),PI 5I入=$i?F,(X)=(14)X，其他式中:P1为0,1 上均匀分布的随机数;$1为执行变异操作的概率；F，表示与遗传算法中一样的变异操作。3.1.2交叉操作1）粒子与个体极值交叉算子F，粒子以给定概率与个体极值Pg，进行交叉，从而实现从个体极值获得更新信息的目的。该部分表示粒子X根据个体极值Pg，调整位置。如式（15）所示。表示以概率c执行F，表示的与遗传算法一样的交叉操作，否则X=入?。1+12023年第8 期734中国电石学研究院学報F2(入t,Pg),P2$21+I=$2?F2(入t1,Pg)=+入，其他(15)式中：P2为0,1 上均匀分布的随机数;$2 为执行遗传操作的概率；F2表示与遗传算法中一样的交叉操作。2）粒子与全局极值交叉算子F粒子以给定概率与全局极值Gb进行交叉，从而实现从全局极值获得更新信息的目的。表示以概率c执行表示的与遗传算法一样的交叉操作，否则19 X+=51OF,(8t,Gb),P3$3X*=$;?F,(8*,Gb)=其他(16)式中:P3为0,1 上均匀分布的随机数;$3为执行交叉操作的概率；F，表示与遗传算法中一样的交叉操作。综合式（14）式（16）可得到粒子位置更新公式为X+1=$:F,12F25i?Fi(X),Pgi,Gb)(17)3.2动态自适应滚动周期混合粒子群调度算法DRRPPSO算法在GPSO算法的基础上增加了周期滚动和动态自适应功能，流程如图2 所示。4仿真验证4.1场景及参数设置为了验证DRRPPSO调度算法的正确性和合理性，考虑如下的仿真场景4.1.1装备参数设置选取1部红外预警卫星，3部雷达，详细参数如表2 所示。开始设定调度周期否获取当前时间是否存在突发事件是是否到达调度时机进行资源抢占分析工是获取周期内需调度任务进行抢占任务的资源修复获取周期内装备资源初始化雷达探测时段集初始化种群计算粒子目标函数值进行自适应选择、变异和交叉操作更新个体最优解和pbesid(=t+1和全局最优解gbestd满足精度要求或达否到最大送代次数是生成装备任务分配队列结束图2DRRPPSO算法流程图表2雷达参数表高度/距离范方位范俯仰范雷达经度纬度km围/km围/(）围/()193.89E39.97N1.23201 0000360085296.01E41.28N1.334090003600903105.02E41.21N1.11201200601700704.1.2目标信息选择10 个弹道导弹共2 5个目标进行搜索跟踪，目标通过仿真模拟器产生，具体参数设置如表3所示。表3目标想定信息目标发点经度发点纬度落点经度落点纬度射程/km射高/km碎片数量诱饵数量干扰数量弹头数量发射时刻1127.8426.44116.7739.731 800.92700223102123.2127.65108.8834.431.559.277002231353128.6132.68118.7732.13926.435000001104120.2523.74119.1126.68347.99300000140735张功成等：基滚动周期粒子群算法的雷达组网协同分配方法2023年第8 期4.1.3威胁度参数设置导弹威胁度模型中参数设置如表4所示。表4威胁度参数设定参数值参数值0.02k20.160.20k30.2/马赫5.00k40.30.20ks0.24.1.4目标函数参数设置目标函数参数设置如表5所示。表5目标函数参数设定参数入1入2入3入3值0.20.20.10.54.1.5算法参数设置DRRPPSO算法参数设置如表6 所示表6DRRPPSO算法参数设定参数C1,C25253值0.42,210.20.20.44.2试验过程及结果分析由仿真模拟器进行仿真场景回放，目标发射时红外预警卫星产生卫星告警，根据卫星告警位置和射向进行搜索屏参数和截获概率计算，截获后生成跟踪任务。设置滚动调度周期长度为30 s，启动下一周期计算预留时间为5s。事前筹划得到目标探测弧段如图3所示图3理论探测弧段图本文从静态周期调度算法和动态重调度两个大方面进行仿真验证，并和GA及CRPSO算法进行了多维度对比分析。4.2.1DRRPPSO调度算法启动场景后，接收卫星发射告警，计算得出搜索屏信息如表7 所示。表7搜索屏参数起止截获距离范围/方位范俯仰范雷达目标时刻次数km围（）围/（）1105020 1 0001061130332358520900117124032310602012001221280314409020120017718303搜索屏及波位信息如图4所示图4搜索屏及波位信息图从评估信息可以得出，经过正弦空间下波位编排后，目标截获概率达到了99%以上，满足目标截获要求。截获目标产生目标态势后开启滚动周期调度算法，现取57 0 s600s周期内分配结果进行分析。表8570s600s周期内分配结果任务任务类型目标综合优先级分配雷达二级残骸粗跟10.3750001、2弹头精跟10.615 0001,2诱饵-1粗跟10.405 6001,2诱饵-2粗跟10.4055001,2碎片-1粗跟10.3455361、2碎片-1粗跟10.3455281,2干扰-1粗跟10.465 5001,2干扰-2粗跟10.465 4001、2干扰-3粗跟10.4653001、2二级残骸粗跟20.397 4413弹头精跟20.600 0001.3诱饵-1粗跟20.427 4003诱饵-2粗跟20.4275003碎片-1粗跟20.3675003碎片-2粗跟20.367 6003干扰-1粗跟20.487 4001.3干扰-2粗跟20.4875001.3干扰-3粗跟20.4876003弹头精跟30.54310022023年第8 期736中网电石绒学研完院学報对应分配结果的三维图形显示如图5所示。图5当前周期三维分配图在6 0 0 s630s周期内,此时目标2 已经脱离雷达3目标范围，故调度结果将目标2 分配给雷达3，造成的资源紧缺由雷达2 对目标1部分目标继续进行观测图6下一周期三维分配图从分配结果来看，协同调度分配算法针对目标分配的装备确实对目标处于可观测状态，算法分配结果正确。4.2.2动态重调度算法验证为了验证动态事件调度算法，考虑如下两种场景：（1)在剩余空闲装备或者空闲资源足够的情况下，验证新目标是否选用空闲资源；（2）在无剩余空闲装备或装备资源饱的情况下，验证新任务或任务威胁度增加时是否会抢占优先级低的目标，并对被抢占目标进行修复1)场景1在第三个迭代周期内，8 1s时目标1弹道属性变换为弹头，此时目标威胁度发生变化，事件调度算法为其分配了处于资源未饱和状态的装备1对其进行观测跟踪，此次事件调度无抢占发生，所以无需修复。可以看到，在剩余空闲装备足够的情况下，新目标出现后分配算法会为其优先分配空闲装备对其进行观测跟踪。该事件处理合理2)场景2在6 0 0 s630 s迭代周期内,在6 10 s突发新的卫星告警，需要分配搜索资源进行搜索，此时处于威力范围内的雷达1资源已经饱和，故需要对雷达1资源立即进行无条件抢夺，并通过修复算法将被抢夺资源任务分配给雷达2 继续跟踪。L30E710Edao3ONdaodan-1一级或装daodan-2daodan-4图7周期内抢占三维分配图仿真结果表明，在新任务或任务属性发生变化且相应装备资源饱和时，会优先抢占综合优先级较低任务，并对抢夺后任务进行修复跟踪4.2.3模型求解算法性能对比因面向的场景是高实时要求的导弹场景，在此将本文DRRPPSO和GPSO及GA进行性能分析。同样的进行10 0 次蒙特卡洛仿真，弹头、诱饵、干扰、残骸、碎片及告警按1：2：3：2：1：1比例进行产生。从价值实现率和算法求解时间两个维度进行比较。因为DRRPPSO和CPSO在保留PSO收敛快的优势基础上增加了自适应的交叉、变异和选择算子，具备良好的全局寻优能力。算法运行时间和威胁率执行度如图所示，从图8 中可以看出，DRRPPSO和GPSO算法运行时间较短，实时性较好。从图9可以看出DRRPPSO设计的抢夺和修复算法能更好地适应复杂多变的战场环境,具有较好的求解性能。25-DRPPPSOGPSO20GAS/回15105001020304050.60708090100目标数量图8算法平均运行时间图同时对三种算法在4.1相同场景下不同迭代次数下进行了对比，从图10 可以看出，在动态战场环境下DRRPPSO具有更好的收敛特性，能更快地计算得出分配方案。2023年第8 期737张功成等：基于滚动周期粒子群算法的雷达组网协同分配方法1.0+DRRPPSO0.9-GPSO0.8GA0.70.60.50.40.30.20.1010203040 5060708090100目标数量图9综合价值实现图1.0-DRRPPSO0.9GPSO9-GA0.80.70.60.50.40.30.20.1001020304050607080 90100送代轮数图1 0算法收敛性能对比图5结语面向大规模多源多模战场态势数据，深人剖析态势感知场景下的作战对象特点，将不同体制、不同频段、不同工作模式的雷达等探测感知装备连接成网，从而形成一个有机整体,设计基于周期的动态调度策略，降低计算负载，提高计算精度；设计基于事件的动态调度策略，保证突发事件情况下的任务重规划与重调度，通过以上解决途径，可以拓展系统的空间覆盖范围和时间覆盖范围，对饱和场景下的反导预警系统协同调度具有一定的指导意义，但目前未考虑分布式、多中心情况下的任务协同分配，装备模型上也没有考虑识别、制导、拦截等任务，作战流程还没有得到闭环，将是下一阶段研究的重点。参考文献：1刘韬.反弹道导弹过程中的目标分配与协同拦截研究D.成都：四川大学,2 0 2 1.2朱建文，赵长见，李小平，等.基于强化学习的集群多目标分配与智能决策方法J.兵工学报，2 0 2 1,42(9):2040-2048.3马向玲，高波，李国林.导弹集群协同作战任务规划系统 J.飞行力学,2 0 0 9,2 7(1)：1-5.4叶文，朱爱红，欧阳中辉，等.基于混合离散粒子群算法的多无人作战飞机协同目标分配 J.兵工学报，2010,31(3):331-336.5杨啸天，冯金富，冯媛，等.基于遗传粒子群的多传感器目标分配算法 J.电光与控制，2 0 1 1,1 8（3）：5-8.6张浩为，谢军伟，张昭建，等.基于混合自适应遗传算法的相控阵雷达任务调度J.兵工学报，2 0 1 7，3 8(9):1761-1770.7SUN M,QIN Z.Priority design of radar tracking taskbased on BP neural network C/2017 Eighth Interna-tional Conference on Intelligent Control and Information Pro-cessing(ICICIP).Hangzhou:IEEE Press,2017:1-5.8宋李俊，赵虎.基于滚动时域优化策略的柔性作业车间动态调度研究 J.现代制造工程，2 0 1 5（2）：3 0-3 5.9MIR H S,ABDELAZIZ F B.Cyclic task scheduling formultifunction radar J.IEEE Transactions on Automa-tion Science&Engineering,2012,9(3):529-537.1O SCHUMACHER C,CHANDLER PR,RASMUSSEN SR.Task allocation for wide area search munitions C/2002 American Control Conference.Anchorage:IEEEPress,2002:1917-1922.11 HAN F,ZHENG M P.An improved multiobjective parti-cle swarm optimization algorithm based on tripartite com-petition mechanismJ.Applied Intelligence,2022,52:5784-5816.12 BOGDANOVI N,DRIESSEN H,YAROVOY A G.Tar-get selection for tracking in multifunction radar networks:Nash and correlated equilibria J.IEEE Transactions onAerospace&Electronic Systems,2018(5):1.13 TIAN T,ZHANG T,KONG L.Timeliness constrainedtask scheduling for multifunction radar network J.Na-ture Reviews Cancer,2019(2):19.14王青，端木京顺，许磊.基于粒子群优化的军事物流配送中心选址J.计算机工程与设计，2 0 0 9，3 0(15):3597.15吴高超基于粒子群算法的路径规划问题研究D.秦皇岛：燕山大学，2 0 1 6.16 7高海兵，周驰，高亮.广义粒子群优化模型 J.计算机学报,2 0 0 5(1 2):1 98 0-1 98 7.1 7 吕江涛，高秉亚,王高飞.弹道导弹威胁度评估及其在雷达中的应用 J】.现代雷达，2 0 1 7,3 9（1 2：2 0-2 3.18 弓张浩为，谢军伟，盛川.综合优先级规划下的相控阵雷达自适应调度方法J.兵工学报，2 0 1 6，3 7（1 1）：2163-2169.上接第7 2 9页）三三三+三三三三三三三三三三三三三7382023年第8 期中网电石绒学研究院学報1 9】杨善超，田康生，李宏权，等.综合优先级下反导预警相控阵雷达任务调度算法J.兵工学报，2 0 2 0，41(2):315-323.20 引张浩为，谢军伟，盛川，等.基于改进灰色关联算法的目标威胁评估 J.计算机工程与科学,2 0 1 7,3 9（1 0）：1908-1914.【2 1 全杰.弹道导弹目标威胁评估模型和算法J.现代防御技术,2 0 1 4,42(4)：2 4-3 0.22刘俊贤，王宏强，陶新龙.基于改进多目标粒子群优化算法的雷达资源分配方法J.中国电子科学研究院学报,2 0 2 2,1 7(6):549-556.23丁海婷，周琳，刁伟峰.基于背包问题的多相控阵雷达多目标跟踪时间资源管理算法 J.兵工学报，2 0 2 1，【1 2 左云鹏，万扬洋，苟亮，等低轨卫星网络资源动态分配策略设计 J信息化研究，2 0 2 2,48（3）：1 8-2 2.13贺达健，游鹏，雍少为LEO卫星通信网络的移动性管理 J中国空间科学技术,2 0 1 6,3 6（3）：1-1 4.1 4李恒智，王春锋，王为众，等基于SDN的卫星网络分布式移动管理研究J通信学报，2 0 1 7,3 8（S1）：143-150.【1 5李贺武，吴茜，徐恪，等天地一体化网络研究进展与趋势J科技导报，2 0 1 6，3 4（1 4）：95-1 0 6.16 LI J,XUE K,LIU J,et al.An ICN/SDN-Based NetworkArchitecture and Efficient Content Retrieval for FutureSatellite-Terrestrial Integrated Networks J/OL.IEEENetwork,2020,34(1):188-195.http:/dx.doi.org/10.1109/MNET.2019.1900138.17 PAPA A,DCOLA T,VIZARRETA P,et al.Designand evaluation of reconfigurable SDN LEO constellationsJ/OL.IEEE Trans.Netw.Serv.Manage.,2020,1742(5):997-1003.24李俊，郝成民，刘湘伟.改进PSO算法在雷达干扰任务分配中的应用 J.计算机仿真，2 0 0 8,2 5（1 2）：2 7-3 0.作者简介张功成（1 992 一），工程师，主要研究方向为多雷达资源管控与显示控制技术；马先龙（1 98 2 一），副研究员，主要研究方向为导弹及预警卫星立体攻防对抗系统设计与仿真；刘俊贤（1 995一），助理工程师，主要研究方向为任务规划与资源调度技术；刘林（1 98 8 一），高级工程师，主要研究方向为任务规划与资源调度技术。(3)：1 43 2-1 445.h t t p:/d x.d o i.o r g/1 0.1 1 0 9/T NSM.2020.2993400.18吴吴晓丽，梁欣媛天地一体化网络共性服务支撑技术探讨 J】软件，2 0 1 8,3 9（1 1）：2 3 0-2 3 4.1 9崔涛，任智源，黎军，等卫星互联网业务智能识别分类算法与仿真J.天地一体化信息网络，2 0 2 2，3(2):72-80.作者简介赵晶（1 98 9一），高级工程师，主要研究方向为卫星通信网络、卫星网络管理；黄照祥（1 97 6 一），研究员级高级工程师，主要研究方向为网络信息体系、卫星通信网络；陆洲（1 97 0 一），研究员级高级工程师，主要研究方向为宽带卫星通信、卫星通信网络；田原（1 98 9一），高级工程师，主要研究方向为卫星通信网络、卫星网络服务。