来源：期刊VIP网 时间：
作者：杨浅舒;阮迪望;吴先宇;赵伟;杨伟奇;
单位：国防科技大学先进推进技术实验室;浙江大学航空航天学院;
摘要：多智能体强化学习（Multi-Agent Reinforcement Learning,MARL）为飞行器集群协同控制提供了智能化支持，其核心在于通过交互与自主学习实现高效协同。梳理了多智能体强化学习在飞行器协同领域的研究进展，从多智能体强化学习出发，介绍了其基础理论。针对飞行器协同控制的几个关键问题，围绕飞行器协同任务分配及路径规划、编队保持与重构等方向，综述了多智能体强化学习方法在该领域的研究现状；结合协同追踪、空战博弈等典型应用场景，探讨了目前多智能体强化学习算法应用的不足及改进路径。分析总结了当前面临的理论与实践挑战，包括算法收敛效率低、通信延迟敏感、理论基础不完善、仿真与实际场景差异等问题。该综述可为多智能体协同理论及工程化落地后续发展提供参考。
关键词：多智能体;;强化学习;;无人集群;;飞行器;;协同路径规划;;协同任务分配;;协同编队
基金资助：军队高层次人才计划(202401-RCGC-ZZ-004);; 国家自然科学基金青年基金项目(12302382);国家自然科学基金青年项目(62403475);; 湖南省自然科学基金青年项目(2025JJ60430)
