Аннотация. Недавние достижения в области разработок радиолокационных головок самонаведения значительно повысили точность и эффективность противоракет при перехвате воздушных целей. Это особенно важно в областях защиты летательных аппаратов, где для снижения вероятности перехвата летательного аппарата противоракетой противника требуются соответствующие контрмеры. Рассмотрена стратегия на основе машинного обучения с подкреплением для применения ложных целей для повышения вероятности преодоления авиационными средствами поражения систем противовоздушной и противоракетной обороны условного противника, а также повышения выживаемости авиационных средств поражения при противодействии противовоздушной и противоракетной обороны. Стратегия включает в себя скоординированную работу ложных целей, обученных с использованием алгоритмов MADDPG (Multi-Agent Deep Deterministic Policy Gradient) и MATD3 (Multi-Agent Twin De-layed Deep Deterministic Policy Gradient). Ложные цели работают в соответствии с концепцией «ведущий – ведомый» с различными вариантами построения для обеспечения эффективной координации внутри группы ложных целей. Данная стратегия позволяет оценивать ситуацию по различным параметрам, включая зоны (сектора) применения ложных целей, направления запуска противоракеты, максимальные скорости ложных целей и скорости противоракет из состава систем противовоздушной и противоракетной обороны условного противника.

Ключевые слова: авиационное средство поражения, авиационная ложная цель, обучение с подкреплением, противоракета, противовоздушная оборона, противоракетная оборона, многоагентная задача, нейронная сеть

Для цитирования: Тирищук Д. И., Сирица Ф. В. Применение авиационных ложных целей для противодействия противовоздушной и противоракетной обороне. Многоагентный подход к обучению с подкреплением // Аэрокосмическая техника и технологии. 2025. Т. 3, № 2. С. 362–375. DOI 10.52467/2949-401X-2025-3-2-362-375. EDN LUTUAB