随着现代信息技术的飞速进步,当代的战场上电子环境越来越复杂多变,单部雷达在复杂战场环境的干扰效益问题也越来越突出。随着兵器水平的持续进步,相关网络化水准也在不断提升。其中干扰效益评估和干扰资源分派决策是电子对抗的两个关键要素和核心要素,在电抗成绩中占据首要地位。本文研究了电子干扰效益在线评估任务和干扰资源分配决策任务,建立了电子对抗模型,并基于具体的规划评估体系对模型进行了评估和验证。第一场景围绕干扰效益评估问题,研究和创建新的智能在线评估模型。首先以多部干扰机协同干扰为背景,建立电子干扰下雷达暴露区算法,仿真研究邻近干扰机按扇形部署,其间夹角对暴露以及压制区域之间的影响关系。针对如何及时且准确无误地对干扰效益进行在线评估这一问题,分析雷达干扰在线评估指标体系,以CNN-XGBoost为凭,新的干扰效益在线评估模型被创建。该模型依靠着卷积神经网络（CNN）提取样本数据特征,并将提速的特征数据送入XGBoost进行训练和评估。仿真实验结果表明提出的CNN-XGBoost模型评估准确率高于其他干扰效益评估模型,是一种有效的雷达干扰效益评估模型。第二场景对电子战中的干扰资源分配决策情况进行了分析和研究,并提出了相应的启发式优化算法。在干扰资源总量有限的情况下,最优分派方法是电子战的紧要探索问题。针对蚁群算法的缺陷,主要是收敛快慢与多样性的取舍,研究出了改进的自适应混合蚁群算法。其参数的取值范围和变化范围可以随着算法的运行而同步自适应地调整,蚂蚁在取值范围内随机选取参数,形成混合蚁群。为了优化信息素更新策略,该算法引入了先锋侦察蚂蚁、具有排序因子的精英蚁群奖励机制和信息素上下限。最后,仿真结果表示,与其他的启发式的优化算法对比,该算法能增长收敛速度和求解质量,更好地解决干扰决策问题,具有较高的实际应用价值。