·工程应用·航天电子对抗2023年第1期基于群体进化策略的电磁态势预测刘子帆，江迎波，余仲阳，邵广庆，马宇，陈贵芳（中国航天科工集团8511研究所，江苏南京210007）摘要：针对战场电磁态势预测问题，基于群体智能优化算法的可靠性与全局性等特点，提出了一种利用融合Cholesky因子更新的CMAES算法优化的RBF神经网络方法，利用在CMAES算法中添加Cholesky的秩-μ更新来提高算法的速度和准确度，提高网络学习的效率与预测精度。仿真实验验证了该方法可以有效提高电磁态势的运算速度与精度。关键词：进化策略；实值优化；Cholesky分解；RBF神经网络；电磁态势预测中图分类号:TN97文献标志码:AElectromagneticsituationpredictionmethodbasedonpopulationevolutiontheoryLiuZifan，JiangYingbo，YuZhongyang，ShaoGuangqing，MaYu，ChenGuifang(8511ResearchInstitutionofCASIC,Nanjing210007，Jiangsu，China)Abstract：Aimingatthebattlefieldelectromagneticsituationpredictionproblem，aRBFneuralnetworkmeth-odisproposed，whichisoptimizedbyintegratingtheCMAESalgorithmwithCholeskyfactorupdate.Aftertherank-μupdateofCholeskyisaddedtotheGMAESalgorithm，thespeedandaccuracyofthealogrithmaseim-proved，andthelearningefficiencyandthepredictionaccuraceofnetworkareimprovedalso.Thesimulationre-sultsshowthatthismethodcaneffectivelyimprovethespeedandaccuracyofelectromagneticsituationcalculation.Keywords：evolutionarystrategy；realvalueoptimization；choleskydecomposition；RBFneuralnetwork；electromagneticsituationprediction0引言战场电磁态势是指在特定的时空范围内，敌对双方的用频装备、设备配置和电磁活动及其变化所形成的状态和形势［1］，电磁态势感知是指感知目标周围的电磁场数据，并把得到的数据进行处理分析，得出周围电磁环境状态以及预测将来的变化趋势［2］，战场电磁态势预测是选择作战方法、制定作战资源分配方案的基础，对指挥员的科学决策具有重要意义［3］。协方差矩阵自适应进化策略（CMAES）发展源自于进化策略，是一种高效的群体智能搜索算法，其特点是将进化策略的可靠性、全局性和协方差矩阵自适应的高引导性结合起来［4］。CMAES在发展中逐渐走向成熟，已经成为在实值优化中最具有竞争力的无衍化算法之一，并成功应于全局优化［5］、多峰优化［6］、多目标优化［7］、大规模优化［6］等...
