《战斗决策中的人工智能：基于强化学习和图神经网络的武器目标分配》

文章预览

选择要攻击的威胁是战场上最重要的决策之一。该决策问题表现为武器-目标分配问题（WTA）。在以往的研究中，动态编程、线性规划、元启发式和启发式方法已被用于解决这一问题。然而，以往的研究因建模过于简化、计算负担重、缺乏对干扰事件的适应性以及问题规模变化时的重新计算等问题而受到限制。为了克服这些局限性，本研究旨在利用强化学习和图神经网络来解决 WTA 问题。所提出的方法反映了现实世界的决策框架--OODA-loop（观察-定向-决策），具有很高的实用性。在各种环境中进行了实验，并通过与现有的启发式和元启发式方法进行比较，证明了所提方法的有效性。所提出的方法为战术指挥与控制中的智能决策引入了一种开创性的方法，传统上被认为是人类专家的专属方法。 本研究将强化学习与图形神经网络（GNN）相结合。强化学习 ………………………………