一种基于强化学习的海上作战杀伤网自动生成方法

本发明公开了一种基于强化学习的海上作战杀伤网自动生成方法，涉及杀伤网领域，包括：获取多个作战任务的需求数据及多个作战平台的资源数据；基于当前系统状态和硬约束条件生成合法动作集合；利用预训练的强化学习模型对合法动作集合内的动作进行评分，选择评分最高的动作作为杀伤网资源分配决策；执行杀伤网资源分配决策，更新战场状态；在强化学习模型的评估阶段，若检测到模型权重不可用，则自动切换至基于即时收益的贪心回退策略进行决策，并输出与模型决策格式一致的分配结果清单。本发明通过构建动态合法动作集、设计分解式奖励及引入贪心回退机制，在大规模、强约束的场景下能稳定训练与推理，显著提升了杀伤网规划的效率和可靠性。