无人机蜂群自主作战新算法：96%任务成功率，100%杀伤率

战场上，当通信链路被干扰、视线受到遮蔽，一支无人机编队是否仍能独立完成“搜索并摧毁所有敌方目标”的任务？西北工业大学航天学院张栋副教授团队近期给出了一份令人瞩目的答案。

5月19日，一篇发表在《航空学报》上的同行评审论文，详细阐述了一种名为HG-STR（异构图时空推理决策方法）的全新算法。根据论文提供的实验数据，该算法在仿真任务中达到了96%的成功率以及100%的杀伤率——这意味着在设定的实验条件下，所有敌方目标均被消灭，无一遗漏。

更值得关注的是，这是目前已知首个能够在实现100%目标摧毁率的同时，运算速度跟上现代战争节奏的智能算法。作为对比，传统优化方法（如GA+PSO+MPC）虽然覆盖率略高，但单步计算延迟高达5.8秒——在100米/秒的飞行速度下，意味着每次决策期间无人机要“盲飞”近600米。在强电磁对抗环境中，这种延迟几乎等同于自杀行为。

异构图：为每个对象赋予“语义标签”

传统算法在处理战场信息时，往往将所有数据——友军、敌军、地形——都视为同一种类型进行处理。张栋团队认为，这种方式容易导致信息混淆。于是他们提出了一种“异构图”网络：友方无人机是一类节点，搜索区域是一类节点，敌方目标则是另一类截然不同的节点。

该网络最大的特点在于，它能通过学习精准识别各类对象之间正确的关联关系。当一架无人机发现敌方目标时，系统会将其判定为高优先级威胁；而当附近有友军单位时，系统则将其视为协同作战的有利契机。得益于此，无人机蜂群能够瞬间判断：何时需要支援友军，何时该展开追击。

相比之下，那些基于预设规则的旧式系统，运作模式如同预先编排的脚本，一旦遭遇不按常理出牌的对手就会彻底失灵。而大多数现有的优化方法，运行机制又像一台逐一推演棋步的国际象棋电脑，速度过于缓慢。

6.6毫秒决策，源自端到端神经网络

HG-STR的单步耗时仅为6.6毫秒——这意味着从接收到信息到做出决策，只需眨眼瞬间的百分之一。这一速度得益于端到端的神经网络前向推理，彻底绕开了传统算法中繁琐的迭代计算过程。

当然，真实战场远不止速度快就能应对。敌方电子干扰可能切断通信链路，让无人机陷入孤立状态；无人机自身传感器的观测范围也有限；而“搜索与摧毁”本身更是一场与时间、燃料赛跑的行动。

记忆系统+分层决策：让无人机在断连后依然保持“清醒”

面对通信中断的极端情况，团队为每架无人机植入了一套“记忆系统”——通过一种称为“门控循环单元（GRU）”的特殊模块，无人机可以回溯并记住友机的最后位置、敌方目标最后一次出现的坐标。这意味着，即使彻底失联，它也不会陷入一片茫然。

与此同时，无人机还配备了一套分层式的“大脑”决策机制。它会先确定宏观任务目标：是继续搜索，还是转入打击模式？随后选定具体的攻击对象，最后决定投入多少弹药。通过将复杂决策拆解为层层递进的子任务，无人机成功避免了“眉毛胡子一把抓”导致的混乱。

仿真实验表明，即便是在通信半径极度受限的弱连通条件下，该算法仍能保持94%的任务成功率。更令人惊喜的是，该算法具备极强的泛化能力：只需在小规模仿真场景中完成训练，便可直接迁移至更大型、更复杂的战场环境，无需任何额外的重新训练。

从实验室到战场，还有多远？

团队在论文中明确规划了下一步方向：将算法从实验室推向真实战场，进一步研究在通信中断、信息传输延迟、数据受损等条件下的集群决策韧性。同时，他们计划探索该算法在算力受限的嵌入式机载平台上的轻量化部署与实飞验证，并将信道竞争、随机丢包等因素纳入决策模型。

一位不愿透露姓名的中方防务专家对《南华早报》表示：“这项技术预示着这样一种未来——成群的无人机将被派往高风险、强干扰的环境中，在与人类指挥彻底断开联系后，它们仅凭一道最终指令——‘搜索并全歼所有敌人’——便能独立执行任务。”这或许正是无人化战争一个关键的转折点。