具有冲突和对抗性的微分对策问题在军事领域有着重要的地位。强化学习以其良好的学习性能在复杂非线性系统和多智能体领域受到了广泛的关注。本文利用极大极小Q学习与模糊Q学习两种强化学习算法,对飞行器追逃博弈这一典型微分对策问题进行求解。首先,介绍微分对策问题求解的难点与强化学习目前面临的问题,对强化学习方法的理论和主要算法进行说明。本文对微分对策的理论进行了阐述,建立飞行器追逃模型,利用相对运动状态对系统进行描述,将状态方程进行降维简化,并分析系统状态与双方控制量的对称关系。接着,利用极大极小Q学习求解追逃双方控制策略。将追逃问题变换为零和对策问题,基于简化的状态方程建立求解模型,在追方已知逃方当前时刻动作的情况下,利用系统状态与双方控制量的对称关系提高Q值学习效率,将极大极小Q学习得到的离线Q矩阵作为双方控制策略的指导。仿真结果证实了该方法的可行性。最后,对追逃双方智能体分别建立非零和模糊Q学习模型并求解最优控制量。模糊Q学习在连续时间系统中能够为智能体生成全局连续动作,克服极大极小Q学习中控制量不连续的问题,且在实际中对策双方无法观测敌机当前时刻控制量,在该条件下,分别建立追逃双方模糊Q学习模型并求解,通过得到的离线Q矩阵计算双方控制策略。仿真结果证明了该方法的有效性,对比说明了模糊Q学习在连续时间系统中的实用性。