系统工程与电子技术

作者：柳佳豪, 徐任杰, 孙茂桐, 姜九瑶, 李际超, 杨克巍

单位：1. 国防科技大学系统工程学院, 湖南 长沙 410073；2. 慕尼黑工业大学管理学院, 德国 海尔布隆 74076

关键词：装备体系,强化学习,韧性优化,恢复策略

装备体系在实际运行下不可避免会受到外部攻击和内部故障等扰动事件的影响, 引起多个装备节点失效, 如何科学合理制定恢复策略迅速恢复体系能力, 增强装备体系韧性具有重要军事价值及意义。基于此, 提出一种基于强化学习的装备体系韧性优化方法。首先, 综合网络拓扑和网络性能参数建立装备体系韧性度量指标。其次, 提出基于Q-Learning节点恢复顺序的强化学习算法, 并采用不同的扰动场景来测试韧性的变化。最后, 结合典型案例验证提出算法的可行性及有效性。通过与经验性恢复策略、遗传算法的对比实验, 结果表明蓄意攻击下, 基于强化学习获得的韧性值相比于基于节点能力重要度优先恢复策略、基于度优先恢复策略和随机恢复策略高37.46%、52.28%和85.65%;与遗传算法相比, 优化后获得的韧性值提高28.72%。上述分析有效表明了所提方法和模型的优越性。

来源：2025年第7期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2025年第7期