摘要：针对空基杀伤链网络的关键边识别难题，提出一种基于深度强化学习的自适应关键边检测框架。该方法运用复杂网络对空基杀伤链建模；引入回溯搜索思想提出一种模板杀伤链搜索方法；基于强化学习构建分层经验回放机制与动态ε-贪婪策略相结合的关键边探索范式，通过多维度状态表征，实现关键边的精准定位。实验结果表明：在模拟空基杀伤链网络测试中，所提方法的Top-10识别准确率达到85%，较传统介数中心性方法提升89.5%，比深度Q网络（DQN）基准提升19.7%；在网络鲁棒性指标方面，全局效率下降率η较边介数提升37.4%，最大连通分量保留率预测误差控制在5%以内。
文章目录
0 引言
1 空基杀伤链网络结构建模
1.1 节点建模
1.1.1 探测评估类节点S
1.1.2 定位追踪类节点F
1.1.3 指挥控制类节点D
1.1.4 作战响应类节点I
1.1.5 行动目标类节点T
1.2 连边建模
2 模板杀伤链匹配方法
2.1 模板杀伤链类型
2.1.1 射手平台主导型
2.1.2 指控平台主导型
2.1.3 传感器平台主导型
2.2 模板杀伤链搜索方法
3 基于强化学习的关键边识别方法
3.1 问题定义
3.2 算法框架
3.2.1 Q-learning框架
3.2.2 Q-learning算法改进
3.2.3神经网络架构设计
4 网络关键边识别实验与结果
