随着科学技术的不断发展,现代战争已经由传统的大规模战争发展为局部小规模战争,打击方式也由原来的火力集中控制逐渐转化为以电子侦察为基础,将电子对抗技术与火力控制相互结合的作战模式。在战场态势瞬息万变,设备越来越先进,对抗难度越来越大的情况下,单兵种作战或者单系统控制已经无法满足作战条件。因此需要将多个平台的资源进行协同,组成作战能力更强的对抗系统。本文在查阅了近些年来国内外在协同干扰资源调度问题领域中的研究方法与取得的成果基础上,主要做了如下工作:介绍了遗传算法的基本概念及基本遗传算法的算法流程;讲解了遗传算法中选择算子、交叉算子和变异算子的具体操作流程及它们之间的关联关系;讨论了遗传算法的收敛问题,并提出了几种解决方案。在基于实数编码方式的基础上,引入了拓展编码的概念,解决了干扰设备数量与敌方目标数量不相等的情况。改进了传统遗传算法中的选择算子,最大化的避免了适应值低的个体被选中,提升了种群的进化速度;改进了交叉算子,使算法在前期生成的个体具有多样性,在后期又能趋于稳定,减少了无效个体的产生,避免陷入局部收敛或者收敛过程过长的问题;改进了变异算子,减少种群中优秀个体被破坏的可能性,并且能够增加优秀个体或是有用个体的生成率。建立了多平台资源调度问题解决模型,设计了干扰指标评价模型,使用了层次分析法为每个指标分配其所占的权重,尽量降低了主观因素带来的不利影响,更加科学、合理;然后结合了战场态势中实际存在的一些约束条件,建立了比较全面的综合评估模型。最后结合实验分析了改进后的遗传算法在处理协同干扰资源优化分配中的优势。