军事防务：无人机反无 —— 智能决策 —— 城市反无场景下，武器-目标分配问题(WTA)使用强化学习算法是否可行

经过个人数月的研究，最终形成的个人结论：

城市反无场景下，武器-目标分配问题(WTA)使用强化学习算法不可行。

城市反无场景下，武器-目标分配问题(WTA)，核心需要解决的不是如何使用强化学习算法进行最优解的求解，也不是具体使用RL library中的哪个具体的先进算法（Ps:其实都是早就成熟的算法模型），更不是所谓的神经网络架构，而是如何对这个问题进行建模，或者更进一步的来说，就是如何对仿真模型进行构建。

先不说固定的武器地点该如何构建，先看无人机的运动轨迹如何建模。可以说无人机的运动轨迹是难以进行简单的建模的。

不论是光电设备还是雷达侦测设备，最终获得的态势感知无非是上面的那个图。

如果考虑障碍遮挡呢，无非就是下图。

如果我们假设无人机就是最短距离的方式接近核心保护区，那么无非就是哪个最近就先攻击哪个目标。也可以使用目标比较成熟的所谓的加权critic方法，就是传统的管理科学的运筹学的相关方法。搞出一个威胁加权评分的评价公式，按照哪个威胁度高就先攻击谁的标准执行。

这种情况下，无人机基本都是跑直线的，也用不上所谓的智能决策方法，什么大模型呀，什么强化学习呀，什么智能决策呀，通通用不上。

如果存在有障碍物了，那么我们假设无人机不使用规避躲藏的规避方式，那么就直接退化为之前的无障碍模式了。

如果有障碍物的情况下，无人机进行躲藏和规避，那么会以什么样的策略和方式进行规避和躲藏呢，这个无人机的轨迹该如何建立呢。

在我看来，城市反无的WTA问题，如果要上所谓的智能决策算法，其实不用搞那么复杂的算法，即使考虑激光武器的云台宣传，目标捕获用时，激光冷却等等因素，其最基本的问题其实还是传统的目标击毁概率预测。

也就是说，我们需要先计算或预测出，在某个时间点攻击这些目标（UAV），具体的无人机被击毁的概率是多少。

而无人机的被击毁概率又需要什么呢，需要对无人机的运动轨迹进行建模，也就是说无人机的城市运动轨迹需要先建模出来，才能进行无人机击毁概率的预测。