近期中東的衝突再次將飛彈防禦系統推到聚光燈下。關於攔截彈庫存、飛彈庫存以及成本的討論甚囂塵上。事實證明，這是一個資源分配問題。這個問題是 NP 完全問題，但這遠非飛彈防禦之所以成為難題的唯一原因。為了釐清現況，我們先從單枚攔截彈的實際不可靠性談起。

單次擊殺機率（Single Shot Probability of Kill, SSPK）是指單枚攔截彈在單次交戰中成功攔截一枚彈頭的機率。它包含了感測器精度、導引精確度、攔截彈品質等因素。例如，美國陸基中段防禦（GMD）系統使用的陸基攔截彈（GBI），根據該系統的攔截測試紀錄，其估計的 SSPK 約為 56%。每枚 GBI 的成本約為 7500 萬美元，截至 2024 年，已部署 44 枚於阿拉斯加和加州。

首先，我們假設攔截彈的失敗是獨立的。也就是說，一枚攔截彈的失誤不會影響另一枚攔截彈成功擊中的機率。

現在，我們可以計算出至少一枚攔截彈成功摧毀來襲核彈頭的機率。

單枚攔截彈失手的機率為：

若獨立發射 n 枚攔截彈，所有攔截彈都失手的機率為：

因此，至少一枚攔截彈擊中目標的機率為：

使用美國 GMD 的公開資訊，我們設定

sspk = 0.56

且

n = 4

這將得到

請注意，獨立性假設是樂觀的，可能無法反映現實。如果攔截彈的失敗是相關的（例如，所有攔截彈都依賴相同的追蹤數據，並將誘餌誤認為真實彈頭），則成功攔截的實際機率將低於此公式的預測。

以下是擊殺機率隨額外攔截彈數量增加的變化情況：

因此，對於一枚彈頭，防禦方可以發射 4 枚攔截彈，有 96% 的機率成功攔截來襲彈頭。

不幸的是，這些數字是樂觀的。

你無法擊中你看不到的東西。公式 P(kill) = 1 − (1 − sspk)^n 假設你已經成功偵測到來襲彈頭，並以足夠的精度追蹤它以部署攔截彈，正確地將其歸類為真實彈頭（而非誘餌），並且你的指揮與控制系統功能正常。實際上，所有這些步驟都可能失敗。在這種情況下，無論你願意花費多少額外的攔截彈都無濟於事。

Wilkening（1998）透過一個機率 P(track) 來形式化這個概念，該機率涵蓋了整個偵測-追蹤-分類-指揮與控制流程。綜合擊殺機率變為：

這是一個常見的失效模式因子。也就是說，如果目標從未被偵測到，或者被誤分類為碎片，那麼分配給它的每一枚攔截彈都會失敗。前一節的獨立性假設是以成功追蹤為前提的。

當 P(track) < 1 時，擊殺機率表看起來是這樣的：

在 P(track) = 0.90 時，使用 4 枚攔截彈的「96% 擊殺機率」下降到不到 87%。即使分配 5 枚攔截彈，也只能達到 89%，仍未達到理想化模型僅用 3 枚就能達到的水準。

Wilkening 的分析表明，對於國家飛彈防禦系統來說，即使面對適度的攻擊（4-20 枚再入飛行器），也要達到 80% 的摧毀所有彈頭的信心，需要 P(track) > 0.978。低於此閾值，任何 SSPK 的提升都無法彌補。這是一個極高的標準——整個流程（即偵測、追蹤、分類等）必須幾乎完美地、幾乎每次都正常運作。

因此，前一節中成功攔截的機率是最佳情況。現實世界中的有效擊殺機率總是較低，因為 P(track) 始終小於 1。

而且 P(track) 並非僅是被動地小於 1——敵方會積極地試圖將其推向零。最近的事件直接證明了這一點。也就是說，飛彈防禦雷達在（截至今日的）活躍衝突中已被成功鎖定並摧毀，消除了整個區域的追蹤覆蓋範圍。這些感測器每個造價數億至數十億美元。摧毀或削弱它們不僅會降低 P(track)——它可能會完全消除該雷達服務區域的追蹤能力。沒有任何數量的攔截彈可以彌補一個不再存在的追蹤流程。

這個追蹤問題也出現在有史以來最惡劣的軟體錯誤之一——1991 年的愛國者飛彈故障中。系統時鐘的累積定點截斷誤差導致追蹤雷達看向了錯誤的天空區域，來襲的飛毛腿飛彈從未被追蹤到。二十八名軍人因此喪生。攔截彈在物理上是能夠攔截的，但 P(track) 實際上為零。

目前，我們假設我們有良好的追蹤能力。當敵方發射不止一枚飛彈時會發生什麼？

你有 I = 7 枚攔截彈和 W = 3 枚來襲彈頭。我們也暫時忽略 P(track) 並考慮理想化情況。這些彈頭有不同的目標：彈頭 A 飛向一座大城市，彈頭 B 飛向一個機場，彈頭 C 飛向一個軍事基地。你應該如何分配你的攔截彈？

「正確」的分配取決於目標的相對價值。

現在我們來擴大規模。假設有 44 枚攔截彈和 15 枚來襲彈頭。每枚彈頭都瞄準不同的城市，每個城市都有不同的估計價值，並且每枚攔截彈對每枚彈頭都有不同的 SSPK——這取決於幾何、時機和攔截彈類型。那麼，可能的分配組合數量將會爆炸性增長。

上述分配問題有一個正式名稱：武器目標分配（Weapon-Target Assignment, WTA）問題。

I 枚攔截彈（武器），索引為 i = 1, …, I

W 枚彈頭（目標），索引為 j = 1, …, W

每枚彈頭都有一個價值 V_j > 0（彈頭 j 所威脅資產的價值）

一個 SSPK 矩陣 p_ij ∈ [0, 1]：攔截彈 i 摧毀彈頭 j 的機率

決策變數 x_ij ∈ {0, 1}：攔截彈 i 是否分配給彈頭 j

目標是最大化成功防禦資產的總預期價值：

受限於每枚攔截彈最多分配給一個彈頭：

（使用 ≤ 1 而非 = 1 允許保留攔截彈，這在多波次攻擊或採用「發射-觀察-再發射」戰術時更為可取。）

本質上，對於每個彈頭，乘積 ∏_{i=1}^{I}(1 - p_{ij})^{x_{ij}} 給出了分配給它的所有攔截彈都失手的機率。將該乘積從 1 中減去，即可得到至少一枚攔截彈擊中的機率（即彈頭被成功攔截）。乘以 V_j 即可獲得透過防禦該目標所節省的預期價值。將所有目標加總，即可最大化總價值。

請注意，一個更完整的模型會將每個項乘以 P(track)_j——即前一節開發的常見失效模式偵測-追蹤-分類因子，但標準的 WTA 公式假設追蹤完美。

1986 年，Lloyd 和 Witsenhausen 透過從三維匹配問題的歸約，證明了 WTA 問題的決策版本是 NP 完全的。也就是說，給定一個閾值 T，判斷是否存在一個可行的分配，其總預期價值節省 ≥ T 是 NP 完全的。（相對應的優化問題是 NP 硬問題。）

為什麼這很難？在線性分配問題中（例如，將工人分配給任務以最小化總成本），每次分配的價值與其他分配無關——工人 i 分配給任務 j 的成本不會因其他分配而改變。儘管有 n! 個可行解，但這種結構允許使用多項式時間演算法，如匈牙利演算法。WTA 破壞了這種特性。目標函數中的乘積項意味著分配額外攔截彈給一個目標的邊際價值取決於已經分配了多少——存在遞減回報。這將所有分配耦合在一起：在不知道其餘分配的情況下，你無法評估一個分配。這種非線性破壞了使線性分配問題可解的分解特性。

而且 W 很可能大於實際彈頭的數量。單枚彈頭可以部署多個誘餌，這些誘餌在中段飛行階段難以與真實的再入飛行器區分。Wilkening 透過分類機率來形式化這一點：令 P_ww 為彈頭被正確分類為彈頭的機率，P_dw 為誘餌被誤分類為彈頭的機率。防禦系統必須應對的目標的有效數量變為：

其中 D 是誘餌的數量。如果辨識能力差（P_dw 接近 1.0），每個誘餌看起來都像彈頭。每個未被辨識的誘餌都是 SSPK 矩陣中的另一列，WTA 目標函數中的另一個目標——它膨脹了 W 並直接增加了分配問題的複雜性。

NP 完全性並不意味著實際上無法解決。Bertsimas 和 Paskov（2025）開發了一種分支定價切割演算法，可以在 Macbook Pro 上於 7 分鐘內以可證明的最佳性解決擁有 10,000 個武器和 10,000 個目標的實例。擁有 1,000 個目標和 1,500 個武器的實例可在幾秒鐘內解決。先前最先進的技術在處理超過 400 個武器的問題時，超時時間為 2 小時。計算複雜度並非瓶頸。瓶頸在於攻擊者選擇問題的規模——增加一個彈頭或誘餌成本很低，而每一個都會在 SSPK 矩陣中增加一列。即使有一個能瞬間解決 WTA 的預言機，防禦方的輸入（即 SSPK 估計、追蹤機率、目標價值）也是不確定的。「最佳」解決方案僅相對於防禦方對攻擊的不完美模型而言是最佳的。

總結一下，讓我們再次代入實際數字。如果你需要每枚彈頭 4 枚攔截彈才能有 96% 的攔截機率，那麼 44 枚 GBI 僅能可靠地防禦最多 44/4 = 11 枚洲際彈道飛彈（ICBM）。這就是美國整個陸基中段防禦系統對抗 ICBM 的能力。GMD 的規模是為了應對有限的流氓國家威脅——而不是與同等實力對手的軍備庫——但即使是針對該設計情境，其餘裕也很薄。Wilkening 的模型使這一點更加嚴峻：防禦 20 枚彈頭的襲擊需要 113 枚攔截彈（在 P(track) = 0.99，sspk = 0.70 的情況下）——遠遠超過目前的庫存。即使是「發射-觀察-再發射」這種效率更高的發射戰術，也需要 47 枚。攻擊者僅需 ⌊I/4⌋ + 1 枚彈頭即可確保至少有一枚面對少於 4 枚攔截彈。以目前的庫存，該閾值為 12 枚。加上誘餌，情況會迅速惡化。例如，伴隨 10 枚誘餌的 10 枚彈頭襲擊，已經需要 73 枚攔截彈（基於上述 P(track) 和 sspk 值）。

定向能武器已被提出作為一種成本效益高的替代方案，但它引入了自身的調度限制——停留時間、平台覆蓋範圍、大氣衰減——並存在類似的規模化問題。

最後，需要注意的是，上述分析將飛彈防禦視為單方面的優化。實際上，正如防禦方解決 WTA 以最大化預期生存率一樣，攻擊方也解決自己的分配問題——將彈頭和誘餌分配到目標上，以最小化防禦方的預期生存率。攻擊方在結構上具有優勢：他們選擇問題的規模（部署多少彈頭和誘餌），他們可以在投入之前觀察防禦架構，並且他們擁有先發優勢。防禦方必須為各種可能的攻擊做好準備；然而，攻擊方只需要針對現有的防禦進行優化。