无人机蜂群算法新突破：100%杀伤率，通信中断仍高效

无人机蜂群概念虽已热议多年，但通信中断与视野局限始终阻碍其从实验室向实战转化。近期，西北工业大学航天学院联合西安电子科技大学团队公布了一项突破——HG-STR（异构图时空推理）算法。这并非常规性能迭代，而是颠覆无人机蜂群作战范式的全新路径。

仿真测试数据极为亮眼：任务完成率较传统规则算法提升37.14%；单步决策耗时从秒级骤降至毫秒级；即使在通信半径极度压缩、网络近乎断联的弱连通场景下，任务成功率仍达94%。

更关键的是，该算法在模拟测试中取得96%任务成功率与100%目标杀伤率，且决策速度匹配高动态战场节奏。团队声称，这是已知首个同时达成这两项指标的算法。

其原理何在？先剖析传统方法的瓶颈。传统算法将所有信息——友军、敌方、地形——等同处理，如同厨师将盐、糖、辣椒粉混入同一容器，烹饪全凭直觉。研究团队指出，此类方式在复杂战场易引发混乱。

HG-STR的核心创新在于构建异构图：友军无人机为一种节点，搜索区域为另一种，敌方目标则为完全不同的第三种。每个实体被赋予语义标签，算法聚焦关键连接——发现目标时视为高优先级威胁，附近有队友则识别为协作机会。由此，蜂群可瞬间判别“支援谁、攻击谁”，而非像传统系统在混乱中低效运转。

传统规则系统（如预编脚本）在对手非预期行动时几近失效；多数优化方法（如下棋程序的穷举搜索）又过于迟缓。张栋在论文中指出，这类方法单次决策需数秒——在此期间，一架无人机可盲目飞行近600米。在激烈电磁对抗中，此延迟足以致命。

相对而言，HG-STR算法决策仅需6.6毫秒，速度提升数个数量级。

为应对通信中断与视野受限等极端场景，团队为每架无人机引入“记忆”机制。失联时，无人机借助门控循环单元（GRU）记忆模块保留友军与敌方的最后位置。同时，设计分层决策架构：先判定“搜索或打击”，再选定具体目标，最终确定弹药投放量。通过分层分解，避免同时处理所有信息引发的混乱。

值得关注的是，该算法可在小场景完成训练后直接部署至更大场景，无需重新训练即可应对更多无人机与目标。这种“小场景训练、大场景部署”的特性，在实战中极具实用价值。

评审专家高度评价，认为此成果预示着未来场景：蜂群无人机可部署至高风险、强干扰区域，在切断与人类指挥链路后，仅凭一条最终指令执行任务——定位并摧毁所有目标。

当然，从实验室到实战仍需漫长验证。团队计划进行实飞测试，并探索在算力受限的嵌入式机载平台上实现轻量化部署。同时，希望算法不仅能应对通信中断，还可处理消息延迟与数据损坏等更复杂的现实问题。

论文地址:
https://doi.org/10.7527/S1000-6893.2026.33373

来源：互联网