复杂地形中的干扰资源调度：一种空地协同多目标优化方法

《Future Internet》：Scheduling Jamming Resources in Complex Terrain: A Multi-Objective Air—Ground Collaborative Optimization Approach Haiyang You, Zhenhua Wei, Wenpeng Wu, Chenxi Li, Jianwei Zhan and Zhaoguang Zhang

　　

针对复杂地形中空地协同干扰调度这一高维、强约束的多目标优化问题，现有方法常受限于建模不完整以及在离散可行域内优化效率低下。研究人员提出了一种地形感知多尺度离散算子（Terrain-Aware Multi-Scale Discrete Operator, TA-MSDO）。首先构建了一个融合离散地形特征与实际作战约束的联合优化模型。随后，利用地形单元的拓扑邻接性，TA-MSDO采用块级交叉（block-level crossover）和多尺度变异（multi-scale mutation）机制，取代传统的连续遗传操作，从而实现对离散可行域的高效且有方向的探索。将TA-MSDO集成到NSGA-III框架中，产生了增强型ENSGA3算法。在典型丘陵地形场景中的实验结果表明，ENSGA3在最大可达成抑制效能（maximum achievable suppression effectiveness）和超体积（hypervolume, HV）方面，较基于分解的MOEA/D算法实现了统计学上显著的性能提升。作为一个综合了收敛性和帕累托前沿（Pareto frontier）覆盖度的指标，超体积进一步验证了所提算法优越的综合优化能力。同时，与包括NSGA-II、标准NSGA-III和SPEA2在内的其他经典主流多目标优化算法相比，所提算法在精英解（elite solutions）的抑制效能上限以及跨随机初始化的运行稳定性方面表现出明显优势，且在多目标协同优化的帕累托前沿覆盖度上呈有利趋势。该研究为空地协同干扰资源调度在复杂战场环境中提供了有效的解决方案。

论文解读：复杂地形中的干扰资源调度——一种空地协同多目标优化方法

该研究由Haiyang You, Zhenhua Wei, Wenpeng Wu, Chenxi Li, Jianwei Zhan和Zhaoguang Zhang共同完成，发表在期刊《Future Internet》。

研究背景与开展原因：

目前在物理层干扰敌方用户通信的主要方法仍依赖高功率干扰，难以满足未来作战场景中对精确干扰的需求。随着电子设备小型化，紧凑型多功能干扰平台得以部署，推动了空地协同分布式通信干扰资源调度技术的发展。该技术旨在将分散的微型地面与机载干扰平台集成为统一分布式系统，通过协同调度平台类型、干扰模式、空间部署和功率等多维资源，有效压制各类通信目标，同时提升隐蔽性、鲁棒性和资源利用效率。然而，现有研究多集中在雷达对抗领域，针对通信干扰的专用资源调度研究极为匮乏。现有方法通常直接借用雷达领域的模型和框架（如深度强化学习），存在显著局限：依赖理想化假设，忽略平台异构性以及干扰部署与电磁传播之间的物理耦合；对复杂地形遮挡和地理约束建模不足，导致策略在真实环境中泛化能力差；面对高维、非凸、强耦合的决策空间，深度强化学习在探索效率和奖励设计上面临挑战，难以稳定收敛到可执行策略。此外，现有模型的目标函数相对简化，往往忽视隐蔽性和生存能力等多维作战指标，且传统多目标进化算法应用于此类离散地形约束问题时，其标准连续遗传算子与离散可行域结构不匹配，导致搜索效率低。

研究内容与结论意义：

为解决上述问题，研究人员构建了一个异构空地平台联合调度与部署模型，采用六边形蜂窝网格离散化复杂地形，并表征地形对电磁传播的遮挡效应，进一步纳入了地形遮蔽、平台异构性、多维资源耦合、同频间距和暴露风险等实际工程约束，从而将通信干扰调度问题转化为一个高维、离散且强约束的多目标优化任务。研究人员选择了非支配排序遗传算法III（NSGA-III）作为求解框架，因其适用于多目标优化场景，能通过参考点机制维持解集在目标空间的分布均匀性。在此基础上，研究人员提出了地形感知多尺度离散算子（TA-MSDO），以克服传统“连续生成与离散投影”范式的局限。TA-MSDO引入了基于拓扑邻接的块级交叉和多尺度变异：块级交叉旨在维护位置、平台类型、信道和功率等维度配置的完整性；多尺度变异整合了局部细化和全局扰动，以充分利用离散可行域的拓扑结构，提升搜索效率。研究人员将TA-MSDO嵌入NSGA-III框架，并结合拉丁超立方采样（Latin Hypercube Sampling, LHS）增强种群初始化，构建了增强多目标算法（ENSGA3）。该研究还建立了一个涵盖干扰效能、部署成本、资源消耗和隐蔽性的多目标协同框架，通过归一化与综合优化，实现了这些异构目标的有效权衡，更符合实际作战需求。实验结果表明，ENSGA3在典型丘陵地形场景中，较MOEA/D算法在最大抑制效能和超体积上实现了统计显著改进；与NSGA-II、标准NSGA-III和SPEA2相比，所提算法在精英解抑制效能上限及跨随机初始化的运行稳定性上有明显优势，且在多目标协同优化的帕累托前沿覆盖上呈有利趋势。这项工作为空地协同干扰资源调度在复杂地形中提供了高效且实用的解决方案。

主要关键技术方法：

研究人员采用了基于六边形蜂窝网格的数字地形模型（Digital Terrain Model, DTM）来离散化25km×25km的典型丘陵地形区域（分为256个单元）。建立了综合考虑自由空间传播损耗、地形遮挡与衍射效应及电磁环境对抗的信道损耗模型，并根据端点类型（空对空A2A、空对地A2G、地对地G2G）分类计算路径损耗，其中地对地链路采用基于ITU-R P.526规范的刀刃衍射（knife-edge diffraction）模型及障碍物耦合计算。构建了频分多址（FDMA）和时分多址（TDMA）下的对抗场景与决策模型，定义了干扰机部署决策变量（位置索引、平台类型、干扰频率、离散功率等级）及互斥、最小同频间距、到达功率上限等约束。建立了包含抑制效能（Suppression Effectiveness）、部署成本评分（Deployment Cost Score）、资源消耗（Resource Consumption）和隐蔽性（Concealment）四个目标的多目标优化模型，并进行归一化处理。在算法层面，采用拉丁超立方采样（LHS）生成初始种群；设计了地形感知多尺度离散算子（TA-MSDO），包含基于地形拓扑的块级均匀交叉和多重尺度（单元内、1跳局部、中尺度、全局跳跃）拓扑变异；将TA-MSDO集成入NSGA-III形成ENSGA3算法。实验设置中，通信节点部署基于地形特征约束（12个节点，3个频分信道），对比算法包括NSGA-II、标准NSGA-III、SPEA2和MOEA/D，采用20次独立随机种子实验，使用超体积（HV）、抑制率箱线图、量化-抑制曲线、统计显著性检验（Wilcoxon符号秩检验与Holm校正）及运行时间等进行分析，并进行了减少通信节点（9个）和增加干扰机（15个）的扩展性验证及去除LHS、去除块级交叉、仅保留多尺度变异的消融实验。

研究结果：

1. 1.
   Introduction（引言）
   研究人员指出高功率干扰无法满足未来精确干扰需求，空地协同分布式通信干扰资源调度技术因能整合多维资源、提升灵活性但面临高维非凸复杂解空间、平台异构与资源强耦合等挑战。现有方法如博弈论、群智能算法和深度强化学习（DRL）在解决此类问题时存在局限，尤其是DRL在模型设计和方法论上面临探索效率与奖励设计困难。现有通信干扰调度研究稀缺，模型常忽略平台异构、地形物理耦合与复杂约束，目标函数过于简化，传统多目标进化算法的连续算子不适用于离散地形约束问题。因此，研究人员构建了联合调度模型，选用NSGA-III框架并提出TA-MSDO算子与ENSGA3算法，建立多目标协同框架以有效权衡各指标。
2. 2.
   System Model（系统模型）
   2.1 Digital Terrain Model（数字地形模型）
   研究人员采用25km×25km实际地形（典型丘陵），使用绝对高程描述地形与天线高度，将其离散化为16×16的六边形蜂窝网格（共256单元，中心距约1km），每个单元视为具有近似恒定局部高程的等效地形块。单元按高程分为平原、低丘、高丘