该数据集建立于2025年7月，利用Python仿真平台构建生成，主要面向复杂动态场景下的大规模无人集群协同拦截问题，旨在进行多智能体强化学习、动态目标分组、图注意力关系建模和跨场景泛化算法的性能分析与验证。数据集基于二维集群拦截仿真环境生成，构建了己方导弹集群与敌方无人机目标集群之间的对抗交互场景，其中训练场景主要为20枚己方导弹拦截10架敌方无人机，并扩展形成15vs10、10vs10等不同规模，以及训练内策略、训练外策略、不同敌方速度和不同敌方队形等测试配置。数据集包含一个txt文本文件，即r_replay_bufer.txt。r_replay_bufer.txt为无人集群执行任务过程中的状态、动作、奖励等强化学习要素数据，包含4列数据，分别为无人集群状态（state）、无人集群个体动作（action）、团队奖励函数值（reward）、无人集群下一状态（next state）以及当前任务是否完成标志（done）。数据集内容包括智能体状态、动作指令、奖励信号、任务终止标志、目标动态分组结果、敌方小组特征、图注意力权重及任务成功率、平均击杀数、平均步数等评估指标。本数据集可有效支撑无人集群协同拦截策略训练、目标分配机制分析和跨场景泛化性能测试。
本数据集为完全仿真生成数据，不源自特定文献、实测或第三方下载。
本数据集基于二维无人集群协同拦截仿真环境生成。首先初始化己方导弹与敌方无人机的位置、速度、偏航角和健康状态，并对二维交战区域坐标进行归一化处理；随后依据双方动力学模型逐步更新状态，并根据攻击距离、攻击角和毁伤概率判断拦截结果，记录状态、动作、奖励、终止标志和任务结果等轨迹信息。同时，采用K-means算法对敌方目标进行周期性动态分组，提取小组规模、中心位置、边界半径和平均速度等特征，并利用图注意力机制计算敌方小组重要性权重。最后，结合不同对抗规模、敌方策略、速度和队形设置生成跨场景样本，并统计任务成功率、平均击杀数和平均步数等评价指标。
该数据呈现了无人集群跨场景协同拦截多目标的详细数据。
| # | 编号 | 名称 | 类型 |
| 1 | 2022ZD0120000 | 博弈智能场景应用 |
本作品采用
CC BY 4.0 （知识共享 署名 4.0 国际许可协议）进行许可。
