Using genetic algorithms with variable-length chromosomes in radar detector scan schedule optimization

Å designe en søkestrategi for en radardetektor krever problemspesifikke kompromisser og prioriteringer. Kalibreringen av slike strategier er typisk iterative prosesser. Framgangsmåtene kjennetegnes av kontinuerlig testing og evaluering, opp mot et satt kvalitetskriterium. I dette prosjektet undersøktes det hvorvidt genetiske algoritmer med kromosomer av variabel lengde kunne brukes til å generere slike strategier. Dette er en optimaliseringsmetode som er inspirert av den naturlige evolusjonsprosessen. Målet var å lage strategier som, gitt en database med kjente radarsystemer, kunne detektere så mange av disse systemene som mulig når søkestrategien ble brukt i et radarmiljø som svarer til databasen. For at dette skulle være mulig måtte det defineres en fitness-funksjon. Funksjonen måtte være i stand til bedømme en gitt strategis evne til å kapre det underliggende løsningsrommet. Det vil si at jo bedre en løsning var, dess høyere ble dens fitness-verdi. Disse verdiene var nødvendige for å guide optimaliseringsprosessen. Etter optimaliseringen ble strategiene testet med Monte Carlo-simuleringer av radarmiljøene. Resultatene viste at de beskrevne genetiske algoritmene er i stand til å generere søkestrategier av høy kvalitet for radardatabaser av ulik størrelse.