无人机/蜂群作战中的空袭规模分析

doi:10.3969/j.issn.1009-086x.2026.03.010

摘要/Abstract

摘要：

在现代战争中，无人机/蜂群空袭正逐步取代传统空袭模式并构建一种全新的战场态势。能否准确预判敌方来袭规模，对反无人机/蜂群作战的资源调配、方案筹划及效费比控制具有决定性意义，这直接关系到防空作战的资源分配效率与任务成败。基于上述需求，提出一种针对无人机/蜂群作战的空袭规模分析方法：通过构建基于稳态遗传算法的多维优化函数，综合考量敌方侦察/打击任务完成率、侦察覆盖率、作战时效及成本等核心指标，对敌方可能的来袭规模编组方案进行全局搜索。通过指标量化对比分析选择敌方最优的规模编组方案，最终形成科学有效的空袭规模分析结论。

关键词: 无人机/蜂群, 空袭规模, 任务完成率, 多维函数, 作战时效, 作战成本

Abstract:

In modern warfare， drone/swarm air raids are gradually replacing the traditional air raid model and building a completely new battlefield situation. Whether the enemy's invasion can be accurately predicted is of decisive significance to the resource allocation， plan planning and efficiency-to-cost ratio control of anti-drone/swarm operations. It is directly related to the resource allocation efficiency and mission success or failure of air defense operations. Based on the above requirements， this paper proposes an air strike scale analysis method for drone/swarm combat： by constructing a multi-dimensional optimization function based on steady-state genetic algorithm， comprehensively considering core indicators such as enemy reconnaissance/strike mission completion rate， reconnaissance coverage rate， combat time and cost， and conducting a global search on the enemy's possible incoming scale marshalling scheme. Through quantitative comparison and analysis of indicators， select the enemy's optimal scale marshalling scheme， and finally form a scientific and effective conclusion on the scale analysis of air strikes.

Key words: drone/swarm, scale of air strikes, task completion rate, multidimensional function, operational timeliness, operational cost

中图分类号:

E844

侯汝冲, 李栋花, 杨华, 裴富, 王叶. 无人机/蜂群作战中的空袭规模分析[J]. 现代防御技术, 2026, 54(3): 104-114.

Ruchong HOU, Donghua LI, Hua YANG, Fu PEI, Ye WANG. Analysis of Air Strike Scale in Drone/Swarm Colony Combat[J]. Modern Defense Technology, 2026, 54(3): 104-114.

图/表 13

表1 保卫介质归类分析表

Table 1 Classification and analysis of protective media

构成介质	保卫目标
混凝土	军用机场、堤坝、军工厂、指挥大楼、弹药库、通信大楼
沙土	矿井，临时指挥所
硬质金属	武器装备（坦克、装甲车等）
易损介质	核电站、武器装备（如雷达）、狙击阵地

表2 保卫目标抗毁伤能力

Table 2 Target damage resistance capability

构成介质	毁伤半径/m
混凝土	6.2
沙土	16.7
硬质金属	5
易损介质	20

图1 遗传算法流程

Fig. 1 Genetic algorithm flow chart

图2 交叉过程示意图

Fig. 2 Schematic diagram of the crossover process

图3 变异过程示意图

Fig. 3 Schematic diagram of the mutation process

图4 暴露装备对敌方目标的威胁示意图

Fig. 4 Schematic diagram of the threat of exposed equipment to enemy targets

图5 遗传算法处理原理图

Fig. 5 Genetic algorithm processing schematics

表3 场景中的保卫目标信息

Table 3 Defending targets in the scenario

保卫目标名称	保卫目标类型	保卫半径/m	有效面积/m²	构成介质	毁伤失能比例
指挥大楼1	指挥所	120	1 800	混凝土	0.68
狙击手1	狙击阵地	5	81	易损介质	0.60
预警雷达2	武器装备	15	115	易损介质	0.15
弹药库1	弹药库	200	5 000	混凝土	0.23

表4 敌方无人机参数信息

Table 4 Parameters of enemy UAVs

类型	型号	续航/km	携弹量/kg	巡航高度/m	巡航速度/（m·s^-1）	战损成本（万元）
中小型	“小精灵”	122	15.0	3 000	85	15.0
轻小型	“郊狼”	35	2.5	100	40	7.3
微型	“灰山鹑”	12	0.2	50	25	1.5
巡飞弹	MIMOO	33	1.5	200	41	8.5
微型	大疆精灵	9	0.2	50	32	1.1

图6 模型计算结果收敛情况图

Fig. 6 Diagram of the convergence of the model calculation results

图7 空袭规模输出结果

Fig. 7 Scale of the air raid outputs

图8 空袭规模计算结果

Fig. 8 Calculation of the scale of the air strike

图9 不同空袭规模编组与指标计算结果对照

Fig. 9 The grouping of different air raid sizes is compared with the calculation results of the index

参考文献 10

[1]	何兴秀，崔玉伟，杨祖强，等. 无人机蜂群城市防御作战运用模式研究［J］. 航空科学技术， 2025， 36（1）： 75-85.
	HE Xingxiu， CUI Yuwei， YANG Zuqiang， et al. Research on UAV Swarm Application Mode in Urban Defense Combat Scenarios［J］. Aeronautical Science & Technology， 2025， 36（1）： 75-85.
[2]	王波，孟志鹏，陈小庆，等. 从无人机蜂群发展趋势看反无人机蜂群策略［J］. 国防科技， 2023， 44（3）： 68-73.
	WANG Bo， MENG Zhipeng， CHEN Xiaoqing， et al. Analyzing Anti-UAV Swarm Strategies Based on UAV Swarm Developments［J］. National Defense Technology， 2023， 44（3）： 68-73.
[3]	付鑫，赵然，梁延峰，等. 反无人机蜂群技术发展综述［J］. 中国电子科学研究院学报， 2022， 17（5）： 421-428.
	FU Xin， ZHAO Ran， LIANG Yanfeng， et al. Review on the Development of Anti UAV Bee Colony Technology［J］. Journal of China Academy of Electronics and Information Technology， 2022， 17（5）： 421-428.
[4]	王敬华，干代武，朱雪平. 点状保卫目标的空袭规模预测模型［J］. 火力与指挥控制， 2008， 33（增2）： 53-56.
	WANG Jinghua， GAN Daiwu， ZHU Xueping. Forecasting Model of Air Raid Scale for Point Target Defence［J］. Fire Control & Command Control， 2008， 33（S2）： 53-56.
[5]	路建伟，张宏，靳奉阁. 地面防空作战中敌空袭规模预测模型［J］. 火力与指挥控制， 2008， 33（1）： 81-83， 99.
	LU Jianwei， ZHANG Hong， JIN Fengge. Study on Model of Enemy Air Raid Scale Prediction in Ground Air Defense Operation［J］. Fire Control & Command Control， 2008， 33（1）： 81-83， 99.
[6]	尚昆. 反无人机蜂群的密集毁伤元战斗部设计与威力仿真研究［D］. 太原：中北大学， 2024.
	SHANG Kun. Design and Power Simulation of Dense Destruction Meta-Combat Armor for Anti-UAV Swarming［D］. Taiyuan： North University of China， 2024.
[7]	张梦婷，杜建强，罗计根，等. 多目标优化特征选择研究综述［J］. 计算机工程与应用， 2023， 59（3）： 23-32.
	ZHANG Mengting， DU Jianqiang， LUO Jigen， et al. Research on Feature Selection of Multi-objective Optimization［J］. Computer Engineering and Applications， 2023， 59（3）： 23-32.
[8]	胡鹰，刘雄艳，崔俊霞. 基于双策略的动态多目标优化算法及其应用［J］. 计算机集成制造系统， 2025， 31（9）： 3376-3390.
	HU Ying， LIU Xiongyan， CUI Junxia. Dynamic Multi-objective Optimization Algorithm Based on Dual Strategies and Its Application［J］. Computer Integrated Manufacturing Systems， 2025， 31（9）： 3376-3390.
[9]	张文修，徐宗本，聂赞坎，等. 遗传算法的概率收敛定理［J］. 工程数学学报， 2001， 18（4）： 1-11.
	ZHANG Wenxiu， XU Zongben， NIE Zankan， et al. Probability Convergence Theorems of Genetic Algorithms［J］. Chinese Journal of Engineering Mathematics， 2001， 18（4）： 1-11.
[10]	吴桐，谢伟朋，亓统帅. 反无人机蜂群作战战术战法运用分析［J］. 中国电子科学研究院学报， 2024， 19（4）： 375-379.
	WU Tong， XIE Weipeng， QI Tongshuai. Analysis of Anti-UAV Swarm Warfare Tactics and Battle Methods Utilization［J］. Journal of China Academy of Electronics and Information Technology， 2024， 19（4）： 375-379.

[1]	包勇, 程帅. 反无人机蜂群杀伤链动态构建策略研究[J]. 现代防御技术, 2025, 53(4): 1-9.
[2]	张鹏, 冯柯, 赵凯, 宫建成. 防空体系作战能力评估方法研究综述[J]. 现代防御技术, 2024, 52(6): 24-32.
[3]	郭强, 王敬华, 魏伟, 王涛. 基于排队论的电火一体多层防空拦截能力研究[J]. 现代防御技术, 2024, 52(3): 20-25.
[4]	陶杨, 周益, 蒋黄滔. 改进蚁群算法在地形跟随航线规划问题中的应用[J]. 现代防御技术, 2024, 52(1): 34-40.
[5]	丁文强, 丁浩, 赵志允. 潜艇强机动变深规避鱼雷攻击仿真研究[J]. 现代防御技术, 2024, 52(1): 124-129.
[6]	陈美杉, 钱坤, 李玲杰, 刘赢. 基于ICRITIC-GCN的空战目标威胁评估[J]. 现代防御技术, 2023, 51(2): 1-13.
[7]	陈黎, 李芳芳, 邹长虹. 基于动态贝叶斯网络和模板匹配的空中目标意图识别[J]. 现代防御技术, 2023, 51(2): 62-70.
[8]	罗剑, 于小红, 姜伟, 王杰娟, 陈小卫. 反导作战体系超网络模型与交互机制研究[J]. 现代防御技术, 2022, 50(3): 1-9.
[9]	胡晓磊, 殷大虎, 金建伟. 南联盟击落F-117A隐身飞机战例破解研究[J]. 现代防御技术, 2020, 48(4): 1-7.
[10]	杨丽娜, 曹泽阳, 李勇祥. 无人机蜂群作战构成及作战概念研究[J]. 现代防御技术, 2020, 48(4): 44-51.
[11]	张文博, 李孝军, 张景盛. 相邻优属度熵权在地面防空部署评估中的应用[J]. 现代防御技术, 2020, 48(3): 61-68.
[12]	王光辉, 徐光达, 谢宇鹏, 吕超. 区间数模糊综合评判的UCAV空战威胁评估[J]. 现代防御技术, 2018, 46(6): 1-6.
[13]	代进进, 李相民, 薄宁, 吴小鹤. 要地防空作战中防空武器掩护能力评估方法[J]. 现代防御技术, 2018, 46(4): 1-7.
[14]	杨华东, 庹红平. 航迹可编程飞行器航程计算方法[J]. 现代防御技术, 2018, 46(3): 35-40.
[15]	裴东, 秦大国, 卜广志. 条件证据网络的地面防空体系能力评估[J]. 现代防御技术, 2018, 46(1): 27-34.