近年来，无人机蜂群技术备受关注，但从实验室迈向实际部署始终面临通信中断、视野受限等核心障碍。近日，西北工业大学航天学院与西安电子科技大学联合研究团队公布了一项重要突破——名为HG-STR（异构图时空推理）的新型算法。这不仅是一次性能的显著提升，更可能开创无人机蜂群自主作战的全新范式。

在仿真测试中，该算法展现了卓越性能：任务完成率相较传统规则算法提升37.14%；单步决策时间从秒级骤降至毫秒级；即使在通信半径极度受限、网络近乎断开的弱连通环境下，仍能维持94%的任务成功率。

更关键的是，在模拟环境中，该算法达成了96%的任务成功率与100%的目标击杀率，且决策速度完全满足现代高动态作战的实时要求。研究团队指出，这是已知首个同时实现这两项指标的无人机蜂群算法。

为何能实现如此突破？先审视传统算法的局限性。传统方法将友军、敌方、地形等信息统一视为同类数据，如同厨师将盐、糖、辣椒粉混于同一罐中，烹饪时仅凭直觉。研究团队指出，这种处理方式在复杂战场环境下极易引发混乱。

HG-STR的核心创新在于构建了“异构图”结构。该图中，友军无人机、搜索区域、敌方目标分别作为不同类型的节点，每个实体都被赋予其真实含义的标签。算法能够聚焦关键连接：当某架无人机发现目标，该信息被识别为高优先级威胁；当附近存在友方无人机，则被视为协同作战机会。如此，蜂群可即时判断“支援谁、攻击谁”，避免传统系统在混乱中的低效运作。

传统规则驱动系统（类似预设脚本）在敌方不按常规行动时几乎失效。而多数优化方法（如下棋程序的穷举计算）则过于缓慢。张栋在论文中指出，这些方法需数秒才能生成决策——在这数秒内，无人机可盲目飞行近600米。在强电磁对抗环境中，此延迟足以酿成致命后果。

相比之下，HG-STR算法决策时间仅为6.6毫秒，速度提升了数个数量级。

为应对通信中断与视野受限的极端条件，研究团队为每架无人机配备了“记忆”能力。当无人机与队友失联时，它借助门控循环单元这一记忆模块，保留友军与敌方的最后已知位置。同时，团队设计了分层决策机制：无人机首先决策“搜索或攻击”，随后选定具体目标，最后确定弹药用量。通过层次化分解，无人机避免了同时处理所有信息导致的混乱。

值得一提的是，该算法可在较小场景中完成训练，随后直接部署至更大规模的场景，无需重新训练即可应对更多无人机与目标。这种“小场景训练、大场景部署”的能力，在实际工程应用中极具价值。

评审专家对此给予高度评价，认为这预示着一个未来场景：蜂群无人机可被派遣至高风险、强干扰区域，在切断与人类指挥的通信后，仅凭一条最终指令执行任务——发现并摧毁所有目标。

当然，从实验室迈入真实战场仍面临诸多挑战。研究团队计划持续推进算法的实飞验证，并探索在计算能力受限的嵌入式机载平台上实现轻量化部署。此外，他们期望算法不仅能应对通信中断，还能处理消息延迟、数据损坏等更为复杂的现实问题。

论文地址:
https://doi.org/10.7527/S1000-6893.2026.33373