端云协同离在线强化学习方法及其在兵棋上的应用

来源：计算机工程与应用杂志2025年第21期北京时间：

作者：施伟, 黄红蓝, 梁星星, 程光权, 郑臻哲

单位：1.国防科技大学 系统工程学院 大数据与决策实验室,长沙 410073；2.火箭军工程大学 核工程学院，西安 710025；3.上海交通大学 电子信息与电气工程学院，上海 200240

摘要：随着军事智能化技术演进，兵棋推演智能决策研究备受关注。针对传统云端集中式决策模式存在的通信延迟、数据安全风险和部署壁垒等问题，提出端云协同混合离在线强化学习框架（Decider），实现基于先验知识与试错数据的融合驱动决策。云端动态筛选高价值样本传输至边缘设备，缓解数据分布偏移问题，加速策略搜索；引入历史动量聚合算法，稳定模型训练。在海空对抗兵棋实验中，Decider策略搜索速度提升超过90%，平均对抗得分提高26%以上，且通信负载降至传统架构的9.5%。

关键词：端云协同,强化学习,离在线强化学习,兵棋推演,智能决策