随着无人机编队的广泛应用,分析与管理编队的多源不确定性成为研究者关注的热点问题。以大型无人机编队为研究对象,以代理模型为主要研究手段,本文从物理、系统、攻防三个层面对编队设计与攻防的不确定性问题展开研究,先后进行了编队控制器整定、编队脆弱性建模、编队突防效能分析三方面工作。本文主要工作及创新如下:1.在物理层面,针对编队控制器效能的不确定性,本文基于对区域信息熵关系的讨论,提出区域代理模型方法。该方法通过引入分类器刻画区域的边界,从而实现了仅对系统控制成功区域进行建模。由于成功区域包含了控制器的潜在最优解,所以在不损失最优解的前提下,该方法解决了奇点影响代理模型精度的问题。通过计算发现,区域代理模型有更高的精度,更低的计算成本,并显著优于传统的全局代理模型。通过对整定结果的比较,本文发现区域代理模型能有效地代替原有仿真模型,缩短编队PID控制器的整定时间两个数量级,并实现了控制器的有效整定。2.在系统层面,针对编队脆弱性传播的不确定性,本文在多层网络的框架内,通过马尔科夫链衔接,对基于元胞自动机的脆弱性建模方法和基于图的脆弱性建模方法进行融合,提出了基于蜂窝图代理模型的脆弱性建模方法,量化分析了无人机编队的脆弱性传播过程。通过理论分析,本文证明了模型融合对模型建模能力提升的有效性。通过模型融合,蜂窝图模型解决了单一脆弱性代理模型建模能力不足的问题,实现了较好地刻画脆弱性在宏观（子系统之间）与微观（子系统内部）之间的传播过程。在典型拓扑结构和典型攻击场景下,本文研究了无人机编队的脆弱性,发现无人机双向联系的脆弱性传播速度约为单向联系的1.5倍。3.在攻防层面,针对编队突防效能的不确定性,本文首先通过Sobol方法分析了加速突防、诱饵弹突防、机动突防和隐身突防四种典型突防策略的突防效能,研究了单策略突防效能提升方案与两策略序贯组合突防效能提升方案。本文发现策略序贯组合能显著提高突防效能,诱饵弹突防为最佳的首个突防策略。由于基于仿真模型进行突防效能分析计算成本较高,本文利用代理模型分别对弹目最小距离和飞行全过程进行建模。针对代理模型实际使用中变量冗余和精度不足等问题,本文提出了基于MCMC（Markov Chain Monte Carlo）的组合模型构造方法。该方法通过组合模型提高建模精度,利用模拟退火算法寻找关键变量,实现了对系统冗余变量的有效去除,并提高了代理模型精度。最后研究了红蓝双方的突防与拦截策略,本文发现为了实现无人机编队饱和突防,应当使无人机数目大于弹头数目的2倍;为了实现对无人机有效拦截,拦截导弹弹头数目为无人机数目的2-3倍之间。