山东大学学报(工学版)

作者：张水库,张伦,龚建兴,黄健

单位：1.西北机电工程研究所, 陕西 咸阳 712099;2.国防科技大学智能科学学院, 湖南 长沙 410073;3.装备状态感知与敏捷保障全国重点实验室(国防科技大学), 湖南 长沙 410073

关键词：无人机集群,作战效能评估,机器学习,XGBoost,SHAP,

基金：装备状态感知与敏捷保障全国重点实验室基金资助项目(6142003202410)

针对无人机集群作战过程的高时效性、行为复杂性、信息数据庞大等特点在作战效能评估方面产生的巨大挑战,提出一种基于粒子群优化(particle swarm optimization, PSO)-极端梯度提升(extreme gradient boosting, XGBoost)-沙普利加性解释(Shapley additive explanations, SHAP)模型的数据驱动效能评估方法。由系统评估指标出发,采用XGBoost算法建立效能评估模型,基于仿真数据分析验证指标数据与作战效能间的映射关系,挖掘无人机集群体系作战效能;利用PSO算法优化XGBoost模型超参数,提高评估精度与效率;为兼顾评估工作的预测性与可解释性,采用SHAP机制对效能评估过程进行解释,给出指标优化改进方向。通过Vensim平台采集的无人机集群作战仿真数据进行验证,相比支持向量回归(support vector regression, SVR)、随机森林(random forest, RF)算法、轻量级梯度提升机(light gradient boosting machine, LightGBM)算法及反向传播(back propagation, BP)神经网络方法,所提模型具有更好的评估精度及可解释性。

来源：2026年第2期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2026年第2期