본 논문은 적 유닛 수의 불확실성과 다양한 속성의 우선순위 문제로 인해 어려움을 겪는 적 유닛 위협 수준 평가 및 선별 문제를 다룬다. 기존의 어려움은 위협을 정량적으로 평가하기 위한 다양한 속성의 우선순위를 합리적으로 설정하는 데 있었다. 본 논문에서는 위협 평가 문제를 강화 학습 문제로 혁신적으로 변환하여 체계적인 강화 학습 훈련을 통해 효율적인 신경망 평가기를 성공적으로 구축하였다. 이 평가기는 적의 다차원 속성 특징을 종합적으로 통합할 뿐만 아니라, 우리의 상태 정보를 효과적으로 결합하여 더 정확하고 과학적인 위협 평가를 실현한다.
