《Defence Technology》：DeepWTA: A Fast Deep Learning-Based Weapon-Target Assignment Method With Hard-Constraint Guarantee
编辑推荐：
武器-目标分配（Weapon-Target Assignment, WTA）是协同打击系统的核心NP-hard组合优化问题。传统启发式方法在大规模场景中可能遭遇组合爆炸与收敛缓慢，限制其在实时战场决策中的适用性。许多基于深度学习（Deep Learning,
武器-目标分配（Weapon-Target Assignment, WTA）是协同打击系统的核心NP-hard组合优化问题。传统启发式方法在大规模场景中可能遭遇组合爆炸与收敛缓慢，限制其在实时战场决策中的适用性。许多基于深度学习（Deep Learning, DL）的方法依赖软约束，因此可能无法保证相对于硬物理约束的可行性。为解决这些问题，研究人员提出DeepWTA，一种使用学习优化（Learning to Optimize, L2O）范式与图神经网络（Graph Neural Networks, GNNs）的数据驱动混合决策框架。在本研究中，WTA问题被表示为异构图，并设计两步编码器-解码器架构，通过将打击方案选择与武器-目标分配解耦来提高搜索效率。为处理不可微的交叉惩罚，构建基于轻量级边注意力图神经网络（edge-attention GNN）的代理模型，从而在DeepWTA训练期间实现可微梯度传播。此外，一种整合贪心离散化与空间去冲突的轻量级启发式解校准过程，弥合连续网络输出与离散硬约束满足之间的差距。在由800个异构实例组成的留出测试集上的实验表明，DeepWTA在所有比较方法中实现100%可行性，并取得最低战术目标值和最短中位运行时间，优于基于搜索的元启发式方法与端到端深度强化学习（Deep Reinforcement Learning, DRL）基线，并可泛化至最高200 × 200的未见规模。所提出的DeepWTA为大规模WTA问题提供了一种具有强优化性能的高效学习型范式。
研究背景与问题：现代军事行动日益信息化、智能化，战场环境呈现高目标机动性、武器系统异质性与高度时间敏感的交战窗口。武器-目标分配（Weapon-Target Assignment, WTA，指在约束解空间内将打击方案与有限异构武器资源分配给多目标）是协同防御与打击系统的核心，属于NP-hard（指难以在多项式时间内精确求解）组合优化问题，其难点在于严重时间压力下以最大化总体毁伤收益并最小化己方作战成本为目标分配有限异构武器。实际WTA解空间随交战规模指数增长，并受严格物理约束：各发射单元每种武器派遣数不得超过库存；所选打击方案须满足规定武器需求与毁伤要求；仅当武器-基地-目标组合可达时才允许分配。激活武器轨迹的几何交叉构成全局协调成本而非硬可行性条件，但过多路线交互会增加轨迹冲突与相互干扰。精确方法如分支定界、网络流、整数规划及线性规划松弛可对部分实例给出最优性保证，但计算负担随规模与约束复杂度快速上升，难以在短交战窗口内稳定实时响应。遗传算法（Genetic Algorithm, GA）、模拟退火（Simulated Annealing, SA）、粒子群优化（Particle Swarm Optimization, PSO）及改进人工蜂群等元启发式方法对非线性目标景观适应性较强，但依赖大解空间迭代采样与反复适应度评估，存在实时性瓶颈。基于指针网络与深度强化学习（Deep Reinforcement Learning, DRL，指以奖励驱动策略学习的序贯决策方法）及Deep Q-Network（DQN）等方法可离线训练、在线低延迟推理，但离散动作空间与决策时域快速增长，策略探索与长期信用分配困难；早期序贯决策消耗资源并改变剩余目标需求，奖励惩罚或动作掩码一般不能保证最终离散解满足库存、需求与可达性等全部硬约束；序列策略也可能不显式捕捉多发射单元与目标间的关系结构。图神经网络（Graph Neural Networks, GNNs，指在图上进行消息传递的关系表征模型）可表示拓扑、提取关系特征并利用置换等变消息传递；学习优化（Learning to Optimize, L2O，指从数据学习可复用优化映射或更新规则）亦具大规模组合优化潜力，但二者在强硬约束WTA中仍受软约束惩罚无法数学保证离散硬需求、轨迹交叉检测不可微而阻碍反向传播等限制。为此，研究人员开展DeepWTA研究，以兼顾计算延迟、解质量与硬约束满足。
研究人员开展的工作、结论与意义：该研究采用L2O范式并提出融合GNN与启发式解校准的决策框架，将战场建模为异构图，设计两步编码器-解码器以解耦打击方案选择与武器分配，构建基于轻量级边注意力GNN的轨迹交叉代理模型为不可微交叉惩罚提供可微梯度路径，并采用贪心离散化与空间去冲突的启发式解校准将连续网络输出投影至可行域，同时以三阶段课程学习缓解多目标梯度冲突。实验在800个留出异构实例上表明，DeepWTA取得100%可行性、最低战术目标值与最短中位运行时间，优于搜索型元启发式及端到端DRL基线，并可泛化至200 × 200的未见规模。其意义在于为大规模、强约束、时间敏感WTA问题提供高效学习型范式与低延迟、约束感知的求解框架。
关键技术方法（不超过250字）：研究以异构图（heterogeneous graph，含基地节点、目标节点与有向候选打击边）建模战场态势；采用两层GATv2（Graph Attention Network v2，图注意力网络）编码节点与边特征；设计两步解码器，先用MLP（多层感知机）与Gumbel-Softmax（可微离散重参数化）选择打击方案，再由边MLP在可行性掩码下产生连续武器分配；构建并冻结EdgeGATNet（轻量级边注意力GNN）作为轨迹交叉概率代理，使不可微交叉惩罚可反向传播；训练使用外部惩罚联合损失与三阶段课程学习（curriculum learning）；推理端采用分配强度引导贪心离散化、同型武器2-Opt（局部交换算子）交换、等效毁伤打击方案替换及禁忌表实现空间去冲突。数据来源为随机生成二维战场基准：6000训练、800验证、800测试实例；TEST-800为留出测试集且未参与训练或调参，VAL-200用于消融与配置选择。
研究结果：
4.1 模型训练：研究人员先独立训练轨迹交叉代理模型，在20,000个独立验证场景上平均绝对误差为0.53、均方根误差为0.78，相对最大精确交叉数误差低于0.4%；代理引导去冲突测试中，精确轨迹交叉数在30次优化迭代内由3544降至0，且两个软成本项继续下降，说明代理可将不可微交叉检查转为平滑优化信号。DeepWTA课程学习训练显示硬约束违反率先快速降至零，随后交叉惩罚主导、软成本经局部微调下降，体现“可行性—去冲突—全局细化”的稳定收敛。
4.2 TEST-800数据上的性能比较：在800个未见异构实例上，DeepWTA与三个搜索型基线均100%可行，而PointerNet-AC和MultiHead-DQN分别有11.4%和5.4%不可行；DeepWTA取得最低战术目标值J=1.1123，低于搜索型基线1.1832–1.2592和DRL基线1.4112、1.8452，并具最低轨迹交叉率（Trajectory-Crossing Rate, TCR，指激活轨迹中发生几何交叉的比例）0.1383、最低打击时效成本0.5150、武器消耗比（Weapon consumption Ratio, WR，指相对最小需求武器数的消耗倍数）1.0133接近下界，中位运行时间1354.1 ms，约为元启发式的2.3–7.3倍快。三组固定子集均保持最低目标与100%可行性，说明结果不依赖有利子集。
4.3 VAL-200上的仅分配比较：固定每个目标打击方案后，所有方法方案匹配与可行性均为100%，DeepWTA仍取得最低J=1.1154，优于MultiHead-DQN的1.1404和PointerNet-AC的1.7659；其TCR=0.1384与MultiHead-DQN的0.1353接近，但打击时效成本0.5195显著低于0.5756，PointerNet-AC虽时效成本低但TCR=0.3725高；DeepWTA中位时间1307.6 ms，仍最快。结论为固定方案后剩余难点是空间去冲突与时效控制，DeepWTA能平衡二者。
4.4 泛化能力：在LARGE（100 × 100）与XLARGE（200 × 200）各3个随机案例、每例1小时限制下，DeepWTA均100%可行且最快，LARGE约11 s、XLARGE约33 s；MultiHead-DQN全部超时，PointerNet-AC两尺度均仅解出1/3，SA-MC在LARGE超时。质量上DeepWTA在LARGE取得最低J=1.58，在XLARGE取得快速方法中最低J=1.31（SA-MC J=1.18但约30倍运行时间），并保持WR=1.00。相同几何下DeepWTA产生117条激活路径、TCR=0.0909、J=0.9811，较DRL基线路径更稀疏有序。说明学习到的结构表征可迁移到远大于训练分布的尺度；但每尺度仅3例，结果属示意性而非统计显著比较。
4.5 消融研究：无课程学习时静态权重使策略在约800训练步崩溃并最终回避打击任务；有课程学习按“可行性优先”平滑收敛并获显著更低最终成本。无轨迹交叉代理时交叉惩罚全程偏高且模型陷入局部最优、未满足库存与毁伤要求；有代理时平滑可微梯度快速降低冲突且不破坏主目标。一步解码缺乏战术前瞻，总成本停滞较高且武器消耗异常低，呈退化欠分配并持续违反武器需求/毁伤等级；两步解码先策略性分配足够武器以克服物理约束，再压缩软成本，武器消耗稳定在约1000枚导弹且总成本更低。
讨论与结论部分总结：该研究将运筹学机制与深度学习结合，以解决大规模WTA中非线性作战约束、轨迹交叉缓解和组合爆炸的相互交织挑战。消融结果支持两步解码器改善非凸解空间探索并在费效比范围内降低总体目标；可微轨迹交叉代理支持基于梯度的空间去冲突学习；解校准弥合连续预测与离散硬约束满足。架构在不同规模下表现稳健且在线解生成延迟低，支持低延迟、空间协调的打击规划。研究结论翻译：该研究提出基于L2O与GNN的DeepWTA架构，将运筹学机制与深度学习相结合，以应对大规模WTA问题中非线性作战约束、轨迹交叉缓解与组合爆炸等相互交织的挑战。消融研究表明，两步解码器改善非凸解空间中的探索，在将武器消耗保持在有利费效比范围内的同时降低总体目标成本。可微轨迹交叉代理模型使基于梯度的空间去冲突学习成为可能，而解校准过程弥合连续原始网络预测与离散硬约束满足之间的差距，使校准后的解在评估场景中满足所建模的库存、武器需求与毁伤等级约束。该架构还在不同问题规模下表现出稳健性能与低在线解生成延迟，支持低延迟且空间协调的打击规划。这些发现表明，L2O范式能够学习复杂战场态势的有用物理-拓扑表示，为大规模、强约束且时间敏感的WTA问题提供低延迟且约束感知的求解框架。未来工作将把该方法扩展到多波次WTA问题中的序列决策。
