随着现代信息科学的提升以及在军事领域的普及,通信对抗作为电子战的重要组成部分对通信手段提出了新的要求。指挥部署作为作战环境中的关键环节,在整个战场态势中起着决定性作用。目前将人工势场算法用于通信战场攻防决策的文献并不多,大多是用来解决航迹规划等问题,因此基于人工势场算法的通信战场策略研究为今后相关理论研究提供了有效的技术支持。课题以博弈规则、多智能体理论为载体,强化学习、自适应算法为手段,建立以人工势场算法为基础的通信战场攻防策略模型。首先研究了以博弈规则为载体的通信对抗建模技术,建立通信战场环境,构建博弈双方作战单位:决策方智能体RJA和对抗者智能体SPA的属性行为,建立以传统人工势场算法的干扰策略,针对人工势场算法的局限性做出改进,参考k-means算法,提出基于k-means算法的SPA聚类多目标分配优化方法,同时建立以人工势场算法为基础的防御策略;其次基于强化学习对人工势场算法的引力影响因子和斥力影响因子的参数组合做训练学习,以马尔科夫决策五元组建立训练模型,自适应搜索算法调节探索因子的变化规律从而加强对未知领域的探索;最后基于以上研究,建立仿真体系,构建了“小规模”、“中规模”和“大规模”三种仿真场景分析验证算法的有效性。经过对算法的实践仿真测试,验证了模型的有效性、稳定性,基于人工势场算法的策略可行性,改进人工势场算法的高效性,为通信对抗指挥决策提供了新思路。