伴随着电子信息技术的高速发展,无人作战飞机（UCAVs）凭借其出色的作战能力和低维护成本,成为了世界各国在信息战上的焦点。无人机自出现后已经改变了现代战争形式,也已经发展出多种多样的军事用途,而具有低成本特性、能够协同作战的无人机集群将在未来战争中发挥优势,是未来战争中的关键。而未来战场中信息量爆炸,无人机能否获得有效的战场态势信息,形成有利的决策是无人机对抗研究中的基础和重点。应用强化学习方法的无人机能够通过态势感知自主地做出决策,在不断获取战场态势和做出决策的循环中,强化学习无人机能学习战场态势从而改善决策策略,深度强化学习的出现能进一步使强化学习无人机感知战场态势的能力得以加强。本文主要研究的是基于强化学习的无人机决策算法,主要的工作为以下三个方面:（1）详细介绍了马尔可夫决策过程等强化学习系统中的基本理论,并以一个简单的强化学习系统讲述探索与利用的困境问题,并分析强化学习与监督学习和无监督学习的联系和不同。通过分类分析现代强化学习形成过程中的算法和描述了其发展中的关键时间点,引出对强化学习中普遍应用算法的介绍,同时介绍了目前各领域中强化学习算法的应用情况。（2）完成了战场态势建模和基于Python、使用Pygame模块的无人对抗机仿真软件平台的设计和搭建。仿真软件能够生成敌方无人机的路径、显示无人机对抗的场景和用态势感知模块收集敌方无人机和我方无人机的数据并分析态势信息,将智能体独立于我方无人机的方式,能够使用不同的决策算法进行实验。通过进行基于Qlearning的无人机对抗决策算法实验,以敌方无人机为中心将战场空间离散化,将我方无人机和敌方无人机的相对距离、水平转角等信息作为算法的输入,验证了仿真软件平台的可行性。（3）介绍深度Q网络和优先经验回放的深度Q网络,详细分析了经验回放机制和基于其改进的优先经验回放机制。在无人机对抗决策的背景下,基于深度Q网络和带有优先经验回放的深度Q网络算法,提出了根据轨迹信息的探索与利用模型和基于态势等级跳变的优先经验回放算法。通过在自建的仿真软件中模拟无人机对抗,对比了改进前后的无人机对抗决策算法,验证了算法的有效性。