针对现有效能预测方法难以反映反导装备体系实际效能的问题，提出一种基于“数据驱动+深度学习”的反导装备体系效能评估方法。在大量实验数据抽取、处理、分析的基础上，构建灰狼优化算法-深度置信网络（GWO-DBN）模型对数据进行训练学习，以此获得反导装备体系效能的非线性拟合，并以某次反导体系效能评估为例进行了仿真实验。结果表明，该评估方法可行、可靠，能够为反导装备体系论证和改进提供较高的参考价值和借鉴意义。
作为末段高低两层反导作战的重要环节，战前的装备资源优化配置直接决定了反导作战效能的下限，同时也能极大程度提高反导作战效能上限。面对复杂多变的空天威胁，反导装备资源总是有限的，如何通过优化配置，实现对来袭目标的有效拦截意义重大。以弹道导弹来袭为想定背景，综合考虑保卫目标和反导武器装备效能因素，提出了保卫效益的概念，建立了末段反导装备资源配置模型，运用天牛须搜索算法（BAS）对具体模型进行求解，得出具体算例的优化配置方案，对区域反导作战战前筹划具有一定的参考意义。
