随着无人机技术的发展,对无人机空战机动决策的问题提出了新的要求。本文以博弈论为基础,结合智能求解算法,对复杂空战环境下的无人机机动决策的方法进行研究,主要研究内容包括:针对在模糊信息环境下的无人机机动决策问题,提出了一种基于直觉模糊博弈的机动决策方法。首先,应用多属性直觉模糊评估的方法,建立直觉模糊支付矩阵对空战双方机动策略进行评估。其次,提出了一种满足直觉模糊全序关系的无人机机动对抗直觉模糊博弈模型,并给出了此博弈模型解的存在性证明和求解方法。然后,采用个体控制参数和遗传代数自适应的策略改进差分进化算法,并对模型进行求解。最后,通过仿真验证了模型和算法的合理性和有效性,为模糊环境下空战决策问题的求解提供了新思路。针对在未知系统模型下的无人机主动防御问题,提出了一种基于数据驱动的自适应动态规划算法(ADP)求解最优控制策略。首先,建立了主动防御问题的线性微分对策模型。其次,将对模型的求解转化为求解一对互为对偶的博弈代数黎卡提方程(CGARE)。然后,基于策略迭代的方法,提出了一种基于数据驱动的自适应动态规划算法求解CGARE的近似解,并证明了算法的收敛性。仿真结果表明,在未知攻击者的机动时间常数的条件下,防御者总能成功拦截攻击者攻击目标。针对在大规模无人机集群环境下的无人机集群对抗问题,提出了一种基于平均场随机博弈(MFSG)模型的无人机集群对抗方法。首先,利用简单的势场叠加原理描述无人机集群个体之间复杂的相互作用关系。然后,引入平均场理论,建立了无人机集群的平均场博弈模型,无人机对策略的选择依赖于自身状态和集群整体的状态分布。最后,基于强化学习的思想,提出了MFSG-Q学习算法用于无人机集群对抗的学习。仿真结果表明,无人机集群个体依据简单的机动策略,可表现出一些复杂的集群涌现行为,且MFSG-Q学习算法和单智能体学习算法相比,具有更高的胜率。