异构双图多智能体强化学习算法HDG-MAAC在反无人机集群防御调度中的应用研究

《Aerospace》:An Asymmetric Dual-Graph Actor–Critic for Scheduling Heterogeneous Directed-Energy Systems in Counter-UAV Defense

【字体: 大 中 小 】 时间:2026年09月25日 来源:Aerospace 2.5

编辑推荐:

   低成本商用无人机(UAV)的协调集群对民用基础设施、公共活动和受限空域构成了日益增长的安全威胁。有效的反无人机防御需要对异构定向能系统进行实时协作调度,其中高能激光器提供精确的单目标交战能力,而高功率微波则提供大区域压制能力。为了应对这一威胁,我们将防御调度问题表述为一个部分

  低成本商用无人机(UAV)的协调集群对民用基础设施、公共活动和受限空域构成了日益增长的安全威胁。有效的反无人机防御需要对异构定向能系统进行实时协作调度,其中高能激光器提供精确的单目标交战能力,而高功率微波则提供大区域压制能力。为了应对这一威胁,我们将防御调度问题表述为一个部分可观测马尔可夫博弈,并提出了异构双图多智能体演员-评论家(HDG-MAAC)算法。HDG-MAAC采用了两个图:一个是由图注意力网络(GAT)演员编码的固定大小的局部图,用于去中心化威胁选择;另一个是具有三种语义边类型的共享全局图,由图卷积网络(GCN)评论家编码,以实现稳定的信用分配。这种非对称设计分别针对决策和评估进行了优化。在一个包含直飞、之字飞行和佯攻机动模式的两系统四目标仿真基准测试中,HDG-MAAC在八个随机种子下稳定收敛,最终阶段的回报为[公式],并在1000个确定性回合中击落了[公式]个目标,其表现优于DDPG(2.20)、MADDPG(2.13)和H2G-MAAC(1.64),提升了[公式]。在可解析处理的几何场景中,基于规则且具有精确几何指向的调度器仍能产生更多的直接拦截数。因此,该学习方法的贡献仅限于训练稳定性、可解释性以及在此类场景之外的适用性,而不是直接拦截数量。消融研究表明,这种鲁棒性源于GCN评论家,其贡献在于提高训练稳定性,而非提高最终性能上限。注意力分析显示,整体目标关联率为42.0%,直飞和之字机动的目标关联率分别为47.7%和47.1%,而偶然基准值为25%,并在佯攻情况下下降至27.1%。在没有显式协调奖励的情况下,协调目标收敛出现在34%的发射帧中。HDG-MAAC为公民安全运营人员提供了一个稳定且可解释的决策支持框架,以保护公共基础设施免受非法无人机群的侵害。该框架仅用于保护性民用目的,并考虑到负责任的使用问题。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号