在现代战场中,雷达技术以及对雷达的干扰技术已经成为左右战场局势、决定成败的焦点,而雷达干扰决策作为雷达干扰作战指挥的先决条件,显得更加重要。由于现代电子战的参战双方投入了越来越多的雷达和干扰装备,在实际战场中的雷达干扰决策很容易面临组合爆炸的问题,利用传统的手段已经很难在短时间内对庞大的目标集体准确地制定干扰方案。本文针对上述问题,研究了以下几方面内容:首先,研究了雷达干扰决策的基本原理,论述了雷达干扰决策的前提条件以及组成要素,讨论了智能干扰决策系统所需的组成部分,包括参数库、知识库以及决策推理机,阐述了干扰效果评估的基本准则、选取了评估指标,并根据不同的指标建立了各自的隶属度函数。其次,针对现有干扰决策模型无法解决特定场景下干扰时机决策的问题,提出两级干扰决策模型,同时完成目标分配、干扰样式选择以及干扰时机决策,给出了干扰决策器的组成结构,以及每一级干扰决策的目标函数,分别论述了三种不同干扰场景下的约束条件,讨论了常用的约束条件处理方法,并给出了两级决策的干扰效果评估方法,利用干扰效果评估结果填充干扰决策模型。然后,研究了经典群智能算法中的两个典型例子,即遗传算法与人工蜂群算法,分别阐述了算法的基本思想、概念,讨论了算法的基本流程、参数的影响以及算法的优缺点,提出了基于修复的算子改进方法,使得改进后的算法算子适用于雷达干扰决策问题求解,并通过仿真实验验证了群智能算法在雷达干扰决策问题中的可行性。最后,针对经典群智能算法的不足,提出了基于免疫遗传模拟退火的人工蜂群算法,利用了改进后的算子使得新算法更加适用于干扰决策,同时提出基于杰卡德相似度的个体浓度计算方法,利用浓度控制种群多样性,引入模拟退火机制,以一定的概率在质量较差的解周围进行搜索,进而增大获得高质量解的概率;分析了算法的基本思想与原理,给出了具体的算法流程与步骤,分析了算法参数的影响;建立了协同突防的干扰场景与模型,利用新算法解决上述场景下的雷达干扰决策优化问题,仿真验证了算法的正确性和优越性。