控制理论与应用

作者：王晴,王雨珏,王浩然,辛斌

单位：北京理工大学自动化学院,北京理工大学自动化学院,北京理工大学自动化学院,北京理工大学自动化学院

关键词：动态传感器武器目标分配;深度强化学习;图神经网络;OODA环

基金：北京市自然科学基金面上项目(4252050),国家自然科学基金杰出青年科学基金项目(62425304)资助.

本文提出了一种基于深度强化学习(DRL)与图神经网络(GNN)的动态传感器武器目标分配(SWTA)方法,旨在应对现代战场中复杂和动态的决策需求.传统静态方法在实时变化的战场中效率低、适应性差.为此,本文通过结合深度强化学习与图神经网络,构建智能决策框架,利用环境交互和深度学习优化决策策略,提高资源分配效率和决策精度.框架受OODA环理论指导,通过图神经网络捕捉场景中武器、目标和传感器的关系特征,快速生成分配方案,结合深度强化学习优化策略,实现动态环境下的资源分配优化.优化过程中考虑到了作战效能,资源消耗和关键要地保护的约束.实验表明,该方法在多种场景中表现优异,显著提升了资源利用率和作战效果.

来源：2025年第11期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2025年第11期