摘要
引导律、控制回路、空气动力学和任务约束之间的强耦合给现代战术导弹自主飞行引导系统的设计带来了日益严峻的挑战。传统的手动调整和基于仿真的试错方法导致迭代周期长、设计知识的重复利用率低，以及适应变化场景的能力差。为了解决这些限制，我们提出了GMultiAgent，这是一个基于Hermes Agent构建的多智能体协作级联框架，它通过结构化的智能体合作和反馈驱动的迭代优化，将自然语言任务需求转化为优化的引导系统模型。该框架引入了三项创新：（1）三层校正流程，包括语法检查、确定性数学验证和语义推理；（2）双模体验存储库，支持基于相似性的检索，并具有访问次数衰减和最高质量检索功能，用于PPO warm-start初始化；（3）自决策优化器，可以根据任务难度的增加，自主在基于PPO的系统性参数搜索和启发式LLM调整之间做出选择。在四种不同的交战场景中，GMultiAgent以传统优化器和单智能体基线所需仿真预算的一小部分，始终实现了高可行性，并且其设计路径能够从参数调整自主升级到结构律的修改。消融研究证实，反射智能体、优化智能体和结构化记忆各自都做出了关键且互补的贡献。这些结果证明了具有结构化记忆和自决策优化的多智能体协作是实现智能、可重用引导系统设计的有效范式。
