多对多导弹防御交战要求在预测拦截点（PIP）存在不确定性的情况下仍能保持有效的分配决策。本文提出了一种鲁棒武器-目标分配（WTA）框架，其中配对分配成本由一个基于分配层面的降阶平面线性最优控制替代模型生成，该模型量化了拦截器到达候选预测拦截点所需的横向机动能量。候选预测拦截点实现值通过随机采样或确定性西格玛点生成，所得成本向量由基于最小体积包围椭球（MVEE）构建的椭球不确定集所包裹。随后，确定性二元分配问题被重新表述为一个整数二阶锥规划（SOCP），该规划在建模的不确定集内对冲最坏情况下的成本实现。在6对4交战场景中进行的蒙特卡洛仿真用于将所提方法与确定性优化、预算不确定组合基线以及基于穷举采样的暴力基准进行比较。相对于确定性优化和预算不确定组合基线，所提方法降低了评估集上的最坏情况退化程度。随机采样变体提供了更为保守的经验性保护，而西格玛点变体则在所研究场景中以显著更低的计算时间提供了更有利的鲁棒性与运行时间权衡。此外，还进行了可扩展性、参数敏感性、鲁棒目标校准以及基于比例导引（PN）的三维验证研究，以评估计算扩展性、不确定集保守性以及降阶替代模型在分配层面的排序一致性。

关键词：武器-目标分配、预测拦截点不确定性、椭球不确定集、鲁棒优化、二阶锥规划