现代战争中,如何合理地组织作战力量,利用武器装备打击目标,使用最小成本获取最大毁伤的打击效果,完成战术目的,一直都是非常重要的问题。本文针对现有的灰狼优化算法存在收敛速度慢,易陷入局部最优及不适用于离散目标优化等问题对灰狼优化算法进行改进,并将其用于对打击单目标时的瞄准点选择和打击多目标时的联合弹药火力分配等问题的研究:（1）针对给定弹药数量,如何选择最优瞄准点使目标受到打击毁伤程度最大化的问题,本文提出了一种利用改进灰狼优化算法获取最优瞄准点的优化模型。首先,利用二次反向反射提高灰狼种群的初始质量,并改进了灰狼优化算法中的收敛因子,从而平衡灰狼优化算法前期和中期的全局、局部搜索能力;其次,利用高斯变异对最优解进行扰动,防止算法陷入局部最优;最后,将改进后的算法用于毁伤评估模型的评估函数,从而获得最优瞄准点。仿真实验表明,改进后的灰狼优化算法的寻优能力和收敛速度都优于标准灰狼优化算法。（2）针对联合弹药打击目标时的火力分配优化问题,本文提出了基于离散二次反向灰狼禁忌算法（Quasi-reflection Grey wolf Genetic Taboo Algorithm,QGGTA）的火力分配优化模型,该模型的主要目的是在满足特定毁伤阈值的前提下,合理地匹配弹药和目标,使得打击成本最小的同时获得的打击收益最大。首先,对灰狼优化算法的种群个体进行重新编码,并在满足约束条件的情况下,初始化种群;其次,利用遗传算法更新部分种群,提高种群的多样性,并使用改进后的灰狼优化算法的种群更新方式更新整个种群且使其适用于整数编码规则和约束条件;最后,利用禁忌搜索算法,生成最优火力分配方案,提高局部搜索能力。仿真实验表明本文算法在寻优能力和收敛速度上与粒子群算法、灰狼优化算法相比均有提升。本文将上述两种研究模型应用于某毁伤评估系统的设计与研发,运用该联合弹药火力分配模型获得最优火力分配方案,并利用瞄准点优化模型获取最佳瞄准点,进行毁伤预测和耗弹量测算,从而获得最佳毁伤效果。