诱饵技术是导弹突防的重要手段,诱饵的空域分布则是诱饵技术的关键一环。为求解弹道导弹突防诱饵有效分布空域问题,本文对导弹突防过程进行建模,建立导弹与诱饵运动模型、拦截器导引头识别模型以及突防效果评价模型。通过DDPG与MADDPG两种深度强化学习算法,仿真分析不同诱饵数量情况对突防效果的影响,并最终得到有效的诱饵分布空域。本文的主要研究内容如下:（1）通过对弹道导弹突防过程的分析,建立导弹突防过程模型。首先建立诱饵的实物模型,确定诱饵的尺寸质量等要素;分析诱饵在母舱内的安置方式及分离出去的释放过程,给定五条基本假设简化导弹与诱饵运动模型;建立导弹发射坐标系、诱饵与导弹相对运动坐标系,基于相对运动和椭圆轨道运行原理,推导诱饵相对于导弹的运动方程。其次阐述了红外导引头识别原理,分析红外导引头工作流程,结合太空背景下的光谱探测率,推导出太空背景下的红外导引头探测距离公式。最后研究了诱饵掩护下弹道导弹的突防效果,规范量化主要的突防效果影响因素,得到了多诱饵掩护下的突防概率公式,建立了突防效果评价模型。（2）将弹道导弹突防诱饵有效分布空域问题转化为诱饵的运动规划问题,基于深度强化学习理论,就是将诱饵视为算法学习中的智能体、太空环境与目标整体视为环境。构建诱饵运动环境,以诱饵当前位置、相对敌方拦截器的距离和飞行速度方向三方面信息为状态,设计了状态空间;将诱饵的加速度作为动作,定义了动作空间。构建了基于距离的奖励、航程负奖励、碰撞负奖励与被探测正奖励函数,得到了综合奖励函数。利用DDPG算法适合处理连续高维动作的特性,选择了DDPG算法和其改进的MADDPG算法的进行诱饵运动规划设计,完成了网络结构设计。（3）根据建立的模型,进行诱饵与弹头运动的仿真,得到了诱饵释放后的速度变化和相对导弹距离变化的情况;进行基于DDPG算法的模型训练,仿真得到一定构型的诱饵分布空域。结果表明,诱饵释放后分布在导弹周围10km的空域范围内,形成一定的空域构型,导弹具有有效的突防效果,同时也验证了本文建立的基于深度强化学习的弹道导弹突防诱饵分布空域研究模型的可行性。再进行基于MADDPG算法的模型仿真,得到的结果在DDPG算法的基础上,还具有更快的收敛速度、更高的突防效果以及更有效的导弹突防诱饵空域分布。诱饵对导弹突防的影响存在极限,采用DDPG算法训练的诱饵分布空域能使导弹达到86.0%的突防概率,而采用MADDPG算法训练的诱饵分布空域能使导弹达到88.0%的突防概率,比前者提高了2.0%的突防效果,验证了多诱饵环境中,MADDPG算法相比DDPG算法的优势,为弹道导弹突防诱饵构成有效分布空域提供参考。