弹性被认为系统的一种固有属性,指的是系统对外部干扰事件的抵抗能力以及从创伤事件中恢复到正常水平的能力。目前,多数研究都是从一次干扰事件开始到一次恢复事件结束这一过程来讨论系统弹性,很少研究多次干扰事件与多次恢复事件下系统的弹性变化。因此论文以舰船防御系统为基础,重点提出了攻击防御恢复策略（Attack Defense Recovery Strategy,ADRS）,强调了具有作战能力的节点在恢复任务中的重要性,探讨在与敌方多波次对抗下系统的弹性恢复优化问题,具有重要的理论意义与实际意义。论文主要的研究内容如下:（1）构建多波次作战模型的必要模块为模拟出系统在多次干扰事件后进行恢复的过程,论文首先构建出多波次作战模型所需模块,包括敌方攻击模块:用来模拟不同类别、不同毁伤程度的多波次攻击;舰船防御系统模块:包括节点基础信息、类别信息、任务信息以及多场景任务重要度;对抗毁伤模块:用来实现双方对抗毁伤的过程,通过冲击波超压公式来计算毁伤程度;维修恢复模块:将恢复问题归纳为多约束、多出发点的多旅行商问题。（2）基于改进蚁群算法研究多波次作战下系统弹性优化问题针对传统蚁群算法对参数敏感、解质量差以及初始信息素反馈不强的缺点做出相应改进。首先通过网格搜素算法确定蚁群算法较优参数组合,然后论文考虑对蚁群算法的初始信息素浓度进行非均匀分布的改进来提高算法初期的信息素浓度反馈,分布依据为节点的战时重要度,最后结合ADRS思想提出了出发点分类的搜索规则,强化了有战斗能力的节点对的状态转移概率。通过多组仿真分析证实了改进蚁群算法在收敛速度与收敛值质量上均有明显提升,同时ADRS对系统全过程的毁伤程度大大降低,提高了系统弹性。（3）基于改进遗传算法研究多波次作战下系统弹性优化问题针对传统遗传算法解质量差、收敛速度慢的缺点做出改进。仍然在ADRS思想的基础上去优先修复作战型节点,提出了分类双向匹配交叉的进化算子,具体将待维修节点分类,以三维坐标距离最近为目标做双向匹配,将靠后的作战型节点前置,增大被维修概率。通过多组仿真分析证实了改进遗传算法可提高算法收敛速度,优化维修路径质量,基于ADRS的系统在全过程的毁伤程度上仍表现出色,对系统弹性提升明显。（4）基于混合改进遗传算法研究多波次作战下系统弹性优化问题论文针对改进蚁群算法收敛速度快、解质量略差的特点与改进遗传算法运行速度慢、解质量较优的特点提出混合改进遗传算法,旨在利用改进蚁群算法先输出若干可行解,以此优化改进遗传算法的初始种群质量。通过多组仿真分析发现混合改进遗传算法具有更好的寻优能力和更快的运行速度,当战场的复杂程度加深,如维修决策时间变短或者敌方攻击威胁增大时,混合算法的性能提升则更为明显。