随着科学技术的不断发展,无人机将在未来智能空战中发挥重要力量。航迹规划是无人机自主飞行的关键技术,航迹规划的结果会直接影响整个空战局势。因此,对无人机在各个阶段不同要求下的航迹规划进行研究具有重要意义。本文主要针对无人机的远距离和近距离航迹规划进行研究,通过构建远距离航迹规划模型和近距离敌方意图航迹预测模型和我方对抗航迹决策模型,开展了基于改进粒子群算法航迹规划和基于改进深度强化学习算法空战意图预测以及对抗决策技术的研究。本文主要研究内容如下:首先,构建了无人机航迹规划系统的组成结构并建立了相关的数学模型。针对远距离三维航迹规划,建立了威胁约束条件模型和远距离航迹规划地形环境模型;针对近距离意图航迹预测,建立了近距离对抗地形环境模型、无人机机动动作模型和意图预测奖励函数模型;针对近距离对抗决策航迹规划问题,建立了无人机空战态势动力学模型、单机空战态势优势函数模型和无人机性能优势函数模型。其次,提出了改进的粒子群算法并对远距离三维航迹规划问题进行求解。首先,基于标准粒子群算法对航迹规划问题进行求解,仿真结果验证了粒子群算法用于航迹规划问题的可行性。随后,针对标准粒子群算法存在的易陷入局部最优和收敛速度较慢等问题,引入了蚁群算法中的信息素和启发值,并加入了模糊逻辑对其进行改进。最后,基于改进后的粒子群算法进行航迹规划,并与标准粒子群算法所得航迹结果相比较。仿真结果表明,改进后的粒子群算法更不易陷入局部最优,且收敛速度得到了明显的提高,具有更好的应用价值。然后,基于改进的粒子群算法和深度强化学习进行近距离敌方意图航迹预测研究。首先,利用改进后的粒子群算法进行求解。其次,针对粒子群算法预测结果精度不高、可视化效果不佳等问题,引入了预测效果较好的深度强化学习算法。随后,基于传统深度强化学习算法建立了无人机近距离意图预测航迹规划模型,验证了深度强化学习算法用于解决该预测问题的可行性。最后,针对传统算法存在过估计和耗时较长等问题,提出了改进的深度强化学习算法,并基于改进后的深度强化学习算法在初始条件不变的情况下再次进行仿真,仿真结果表明,改进后算法用作意图航迹预测不仅可以取得更好的效果,而且可视化效果更强,耗费时间更少。最后,根据已获得的意图预测的结果,重点进行了我方对抗决策航迹规划的研究。首先修改了深度强化学习算法的奖励函数模型和空战状态空间模型,使之适用于解决对抗航迹决策问题。其次,给出了改进后算法的训练过程和对抗决策航迹规划算法流程。随后,在四种不同初始态势的模拟空战对抗中对算法的可行性进行验证。最后,结合上一章敌方意图航迹预测结果进行对抗航迹决策,仿真结果表明,改进后的深度强化学习算法用作对抗决策效果更佳,实时性更好。