1.一种基于人工蜂群算法的雷达组网优化部署方法，其特征在于，该方法包括如下步骤：步骤1)初始化蜜源，包括初始化算法各参数、初始化蜜源中的各雷达位置和计算蜜源适应度；步骤2)跟随蜂选择蜜源；步骤3)跟随峰尝试更新蜜源中的雷达部署位置；步骤4)引领蜂尝试更新对应蜜源中的雷达部署位置；步骤5)迭代计算，重复步骤2)-4)，直至计算达到指定迭代次数退出，其最优的蜜源位置即为最终结果；所述计算蜜源适应度具体包括：设共有N部雷达，其部署的位置分别为(x n ,y n )，n≥1，定义其目标函数：max{F(x 1 ,x 2 …x N ,y 1 ,y 2 …y N )＝∑ Ω ∑ σ ω Ω ω σ (Ω,σ)} (1)其中，Ω为战场空间的数字化方格，σ为不同飞行目标的反射截面积RCS，ω Ω 为空间加权系数；ω σ 为目标加权系数；f(Ω,σ)为雷达网对该方格处指定RCS值目标的探测能力，0≤f(Ω,σ)≤1；将N部雷达按频段划分为K种类型，则f(Ω,σ)定义如下：g(x)＝x/(x+α)x≥0 (3)α取默认值1，ω n 为单雷达探测精度因子；p(x n ,y n ,Ω,σ)为该方格是否被雷达探测覆盖，定义如下：式中，r、θ、h为方格距雷达位置(x n ,y n )的相对距离、方位和高度，R h,σ 为雷达对相对高度为h、反射截面积为σ的飞行目标的自由空间探测距离， 为雷达因电磁干扰引起的各方位衰减因子， r z (θ)为受地形遮蔽限制的各方位最远探测距离；使得目标函数值最大的(x n ,y n )n∈[1,N]即为最终的雷达部署位置。
2.如权利要求1所述的基于人工蜂群算法的雷达组网优化部署方法，其特征在于，所述初始化算法各参数，包括初始化雷达的型号、数量、探测威力和部署范围，重点监视空域、高度层和目标，引领蜂数量，跟随蜂数量，以及算法最大迭代次数，导入地形DEM数据。
3.如权利要求1所述的基于人工蜂群算法的雷达组网优化部署方法，其特征在于，所述初始化各雷达位置具体包括：每部雷达位置看成由经度、纬度组成的2维变量，则N部雷达就是2N个变量，对每一只引领蜂，都使用下面策略初始化各雷达位置作为蜜源位置：(a)对于只能在预设阵地部署的雷达，随机选择某阵地，其坐标作为该雷达在蜜源中的初始位置；(b)对于高机动雷达，在其能机动到达的范围内随机选择位置，并搜索其局部邻域的最高海拔点，其坐标作为该雷达在蜜源中的初始位置。
4.如权利要求1所述的基于人工蜂群算法的雷达组网优化部署方法，其特征在于，对于f(Ω,σ)的取值，探测范围覆盖该方格的雷达数量越多，f(…,σ)的值越接近于1；在覆盖数量相同的情形下，雷达的工作频段越分散，f(Ω,σ)的值越接近于1。
5.如权利要求1所述的基于人工蜂群算法的雷达组网优化部署方法，其特征在于，在计算蜜源适应度的过程中，雷达位置一旦调整，R h,σ 、 r z (θ)都要重新求值。
6.如权利要求1所述的基于人工蜂群算法的雷达组网优化部署方法，其特征在于，所述步骤2)具体包括：对每一只跟随蜂，采用轮盘赌方式选择蜜源：设当前所有蜜源的最大适应度值为F max ，则计算门限值：Th＝rand(0,1)·F max (6)从所有适应度大于门限的蜜源中随机选择一个作为该跟随蜂的跟随目标。
7.如权利要求6所述的基于人工蜂群算法的雷达组网优化部署方法，其特征在于，所述步骤3)具体包括：设所述步骤2)中选择的蜜源编号为i，然后随机选择其第n部雷达尝试进行位置调整，设其当前位置为(x n,i ,y n,i )，随机选择另一个质量较好的蜜源j，根据其对应雷达位置(x n,j ,y n,j )，计算新位置 其中，rand(-1,1)是生成区间(-1,1)的随机数，当雷达只能在预设阵地机动时，需要寻找除当前阵地外离 最近的阵地，其坐标作为新位置值；采用公式(1)计算新位置后的蜜源适应度，如果适应度更好，则将蜜源中第n部雷达的位置(x n,j ,y n,j )更新为 否则保持不变。
8.如权利要求7所述的基于人工蜂群算法的雷达组网优化部署方法，其特征在于，所述步骤4)包括：每只引领蜂采用如同步骤3)的方式尝试更新对应蜜源中的雷达部署位置。
9.如权利要求8述的基于人工蜂群算法的雷达组网优化部署方法，其特征在于，所述步骤4)还包括：如果蜜源位置长时间未更新，则采用步骤1)的方法再次随机选择蜜源位置。
