由无人机系统组成的蜂群攻击已迅速发展成为一种复杂且不断演变的威胁，对现代防空战略构成挑战。无人机蜂群利用数量优势、高敏捷性和协同行为，能够渗透并压倒传统的多层防御体系。近期的冲突凸显了在应对无人机蜂群时，维持有效防御和威慑态势所面临的关键漏洞和挑战。随着反无人机技术、系统和作战概念的持续发展，评估其效能并量化其相对性能的方法变得至关重要。本文详述了基于德国航空航天中心开发的基于代理的建模与仿真环境，从一个整体的系统簇视角评估反无人机体系作战性能的适应性方案。为解决大规模蜂群交战带来的计算挑战，该方法将基于高保真仿真信息建立的代理模型整合到低保真模型中，以近似反无人机系统的行为，从而实现可扩展性及战区级仿真。结合明确界定的效能衡量指标，该方法为比较反无人机解决方案提供了一种创新途径。它为利益相关方和决策者提供了评估系统性能所需的信息，以便在规划未来防空战略和体系时做出明智决策。

图1：用于量化反无人机系统效能的系统簇框架

所提出的方法将高保真和低保真的基于代理建模与仿真环境整合到一个统一的框架中，以评估反无人机体系的有效性。该框架旨在平衡仿真逼真度与可扩展性，能够处理涉及数千个代理的交战。图1展示了此框架。

该实现使用了现成的高保真ABMS环境“现代空战环境”（由BSI1开发）以及作为低保真ABMS环境的“AirShield仿真环境”。后者由DLR开发，旨在更广泛的系统簇背景下评估反无人机系统，并将这些评估转化为优化的系统需求，其基础基于文献[5]所示的工作。

这两个互补的仿真层级是：

1. 高保真层：详细的数字模型代表威胁和防御系统，包括对通信网络、电子战和指挥控制的复杂建模。交战动态、传感器性能和效应器杀伤力通过模拟其背后的物理规律进行确定性建模。因此，这些仿真有效地代表了单个无人机与反制措施之间的复杂交互。由于高复杂性和计算需求，此层级仅限于交战级场景。

2. 低保真层：该层通过使用简化的数字代理模型，将分析从交战级扩展到战区级，允许数千个代理交互。生成这些代理模型是为了弥合高保真层与低保真层之间的逼真度差距。交战动态通过随机过程建模，其依据来自高保真层通过一对一交战推导出的关系（例如，将“击毁所需弹药数”建模为目标高度、速度和方位的函数）。