文东日，陈小虎，李 文，杜二锋

(1.国防大学,北京 100091；2.中国人民解放军63936部队，北京 102202)

由于装备是离散存在的，因此需要组合运用。组合运用是装备运用的内在要求，是装备释放体系作战效能的主要形式，是实现装备自动匹配的核心问题。但由于组合问题的复杂性，以及作战意图与作战环境的不确定，求解装备组合运用问题非常困难，各界对此进行了大量理论探索。孙盛智等[1]研究了面向作战需求的卫星应用装备组合优化问题；李雄等[2]探索了面向目标中心战的自适应装备保障指挥方式；宋春龙[3]提出“使命任务—能力需求—体系设计—结构优化”的装备组合问题研究框架；豆亚杰[4]提出用差分进化算法优化武器系统组合选择问题；孙建彬[5]提出基于遗传算法的武器系统组合优化方法；杜波[6]提出基于代理模型的武器装备体系优化方法；于少波[7]将多Agent评估方法用于电子信息装备体系作战效能评估。2020年，美国陆军在项目融合演习中试验了“烈火风暴”(FireStorm[8])人工智能软件，该软件能够根据打击目标自动匹配最优的“射手”，表明在技术上可能实现装备自动匹配。为此，本文构建了基于深度强化学习[9-10]的装备组合运用方法，探索装备自动匹配的实现途径。

本文分析了装备组合运用问题，建立了基于深度强化学习的装备组合运用方法的概念、模型、框架，进行了实验验证，在突破舰艇防空系统的作战想定下，智能体均能按照作战意图推荐较合理的装备运用方案，取得较理想的实验效果，表明了基于深度强化学习的装备组合运用方法的可行性。……