摘要
通过集中控制或固定规则集来协调大量无人机仍然面临诸多挑战，尤其是在无人机需要在通信不稳定的情况下工作、观测信息不完整且机载计算资源有限时。图神经网络作为一种有前景的解决方案，但现有的研究并未系统地将GNN的架构选择与无人机在实际应用中面临的约束条件联系起来。本综述梳理了1987年至2026年间发表的196篇学术论文，旨在建立这样的框架。GNN的架构和部署方式被分为六大类——卷积型、注意力型、采样型、时空型、分布式以及资源高效型，每类都通过专门的子章节进行阐述，并结合无人机系统的约束条件进行评估。研究重点分析了四个应用领域：多无人机轨迹规划、协同目标跟踪、飞行自组织网络环境中的通信感知型网络优化，以及时空型空域流量预测。在这些领域中，分析表明架构选择会影响系统的可扩展性、对动态条件的适应能力以及计算效率。同时，也发现了一些常见的部署难题，比如随着无人机数量增加如何保持可行的推理效率、在高移动性条件下如何调整图表示方式，以及如何在有限的机载计算资源下运行。基于这些研究结果，本文提出了一套架构选择指南，以帮助在不同的运行条件下进行无人机系统的部署。此外，还探讨了未来的研究方向，尤其是将GNN与强化学习、联邦边缘计算以及下一代无线通信系统相结合的可能性。总体而言，本综述架起了方法论发展与实际应用之间的桥梁，为评估GNN在真实多无人机环境中的适用性提供了结构化的参考依据。
