多智能体强化学习（MARL）已成为自主系统和空战决策的核心范式。尽管在空战中展现出潜力，但实现高级战术协同仍困难。主要原因有两点：①缺乏结构化的关系建模，使智能体难以捕获战场实体随时间变化的交互；②传统的平坦网络难以显式表示战术角色，导致在高度动态环境中任务分配模糊。为此，本文提出层次化动态角色图多智能体近端策略优化（DRG‑MAPPO），在图结构关系建模和动态角色分配之间建立桥梁。首先，构建战场交互图，将友机、敌机和威胁视为节点，利用图注意力网络提取关键关系特征。随后，高层策略通过动态角色分配机制为每个智能体分配战术职责，如“领袖”“支援”。在角色和图特征的条件下，低层策略输出离散机动动作，实现战术策略与协同执行的联合优化。额外设计了目标优先级辅助任务，促使智能体产生聚焦射击等行为。实验表明，DRG‑MAPPO 在合作空战场景中取得 87% 的胜率，兼顾关系建模、可解释性和优化稳定性。
点评：该方法通过图注意力和层次角色分配显著提升协同空战性能，展示了结构化关系建模在 MARL 中的价值。