与单基地雷达相比,分布式雷达具有更稳健的探测性能,更大的探测范围。分布式雷达系统中资源有限,如何合理的分配调度资源从而提高分布式雷达系统的探测性能、定位性能等技术指标就变得愈发重要。同时雷达系统较为复杂,在资源调度过程中,需要辅助决策技术的支持。本文针对分布式雷达系统中的实体空间资源即雷达节点位置,分别提出了单指标约束的资源分配模型和多指标约束的资源分配模型。将智能优化算法作为辅助决策技术应用于分布式雷达系统中,提高了系统对监测区域的有效覆盖率和定位精度。本文首先介绍了分布式雷达系统调度的基本原则,分析了分布式雷达系统的信号模型和资源管控算法框架,并介绍了两种在分布式雷达系统中起到辅助决策作用的智能优化算法,分别是粒子群算法和遗传算法。针对分布式雷达系统中雷达站点配置与调度问题,将智能优化算法作为雷达系统辅助决策技术进行研究。本文以改善定位性能为目标,分布式雷达系统为研究对象,雷达节点位置作为待分配资源,构建了单指标优化模型,并且将粒子群算法和遗传算法作为辅助决策技术应用到雷达布站问题的解决中。通过运用粒子群等智能优化算法解决分布式雷达系统的优化布站问题,生成合理的雷达布局方案。通过仿真验证,证明了粒子群算法可以辅助生成合理的布局方案,提高了分布式雷达系统的定位性能。并将生成的方案与规则布站相比较,进一步证实了粒子群算法做为辅助决策技术的优势。在复杂态势下,雷达系统需要兼顾多种性能指标。本文针对多指标约束的雷达布站问题,提出了一种改进的多目标粒子群优化算法,并将其与标准多目标粒子群算法(MOPSO)相比较,证明了其在收敛性和解的多样性上较优。同时研究了有效覆盖率计算方法,构建了多指标雷达布站模型。以提高分布式雷达系统的覆盖性能和定位性能为目标,雷达节点位置作为待分配资源,将改进的多目标粒子群算法作为辅助决策技术解决资源分配问题。该决策算法得到的最优解集中,可以提供多个布局方案,决策者可以根据决策偏好选择合适的布站方案。通过实验仿真验证,证实了该算法的可行性和有效性,可将其作为辅助决策技术应用到雷达系统之中。