协同多目标攻击空战是今后空战的主要形式和发展趋势,而协同多目标攻击的关键问题就是空战决策。它是保证获得最佳作战效果的重要手段和有效措施,空战决策问题是一个动态的多变量、多约束的组合优化问题。随着空战规模的扩大,使得空战决策问题十分复杂,用常规的方法通常无法求解。针对空战决策问题的特点,对空战决策的数学模型进行了分析,本文采用一种改进的蚁群算法应用于空战决策问题。蚁群优化算法是一种基于群智能的仿生优化算法,它具有鲁棒性、分布式并行计算、通用性强等诸多优点。本文针对基本蚁群算法存在收敛速度慢和易于陷入局部最优的缺点,本文提出一种结合Ant-Q算法的多态蚁群算法,并对路径选择机制、信息素更新机制和侦察素及初始信息素的设置进行了适当改进。对TSP问题的仿真实验表明,改进的算法弥补了多态蚁群算法的不足,而且其全局收敛性能及收敛精度均好于基本蚁群算法。最后将改进蚁群算法应用于空战决策的数学模型,并进行实验。实验结果表明,改进的蚁群算法解决协同空战决策的目标分配问题是有效的可行的,尤其对问题规模较大时,更显示出较快的收敛速度和较高的收敛精度。