研究称强化学习与图神经网络可解战场武器目标分配难题

据TechRxiv预印本论文，韩国研究团队Seung Heon Oh、Geon Woong Byeon、Young In Cho、Seungmin Kwon与Jong Hun Woo提出以强化学习结合图神经网络求解武器目标分配（WTA）问题。论文称，既有动态规划、线性规划、元启发式与启发式方法受限于模型过度简化、计算负担、对突发扰动缺乏适应性以及问题规模变化时需重新计算。该研究称所提方法贴合OODA循环（观察—判断—决策）的现实决策框架，并在多种环境中与现有启发式及元启发式方法对比以验证有效性。作者称，这为传统上被视为人类专家专属的战术指挥控制智能决策提供了新方法。该论文为预印本，尚未经同行评审。