在作战中,武器-目标分配(WTA)问题是防空指挥的关键,其目的是寻求适当的武器对准目标,提高作战效率。WTA问题含有许多的变量,包括武器性能、目标威胁程度等,因此是典型的非确定性多项式完全问题。由于军事领域信息技术的迅速发展,现代化武器被广泛的应用,武器-目标分配问题也受到了极大的关注。本文详细介绍了WTA问题的研究现状以及解决WTA问题的常用算法。并从对抗方式、目标威胁度和时间因素的角度,对WTA问题进行分类,分析了静态和动态WTA问题的定义以及模型构建。在已有研究成果的基础上,本文对基于智能算法的静态和动态WTA问题进行重点研究。针对静态单目标武器目标分配问题中已有算法收敛速度慢以及收敛精度差的问题,本文提出了一种基于改进的人工鱼群算法的分配方案。该方案引入粒子群算法对鱼群的视野进行自适应调整,并结合遗传算子以防止算法陷入局部最优,在实战场景中进行了各种算法的仿真,并对结果进行比较分析,仿真结果证明改进后算法能够有效地提高收敛速度以及收敛精度。针对静态单目标武器目标分配中目标函数单一的问题,本文建立了基于毁伤效能最大和用弹量最少的双目标优化模型,最大限度地提高对敌人的预期伤害,同时对导弹的成本进行了最小化设计。在此基础上,为了提高算法收敛速度和精确度,本文进一步提出了基于多目标人工鱼群算法的两阶段进化策略,改进了传统鱼群算法的聚群、追尾的行为规则,形成了新的状态更新规则。并且运用改进遗传算子对得到的Pareto前沿解及种群进行更新。仿真结果表明,改进的多目标人工鱼群算法成功地应用于WTA的求解过程中,在提高收敛速度的同时,能够取得更好的解。针对动态武器目标分配问题中现有模型对来袭目标运动及多通道武器的使用考虑不够充分的缺陷,本文在分析了动态WTA问题的模型和解决WTA问题的常用智能算法基础上,提出了武器-目标配对时间窗和多阶段武器目标分配模型,进一步解决动态战场环境下,多通道武器转火和来袭目标分阶段打击等问题。为实现这一模型在实际战场中的仿真模拟,提出了一种改进的蚁群算法,重新定义了转移概率的计算方式和信息素增量的计算规则规则,最后对改进的算法在防空作战中的效果进行验证,仿真结果证明了改进算法在动态问题中的可行性,能够在实际战场中快速地给出有效的打击方案。