无人机(Unmanned Aerial Vehicle,UAV)编队空面任务决策作为编队协同作战的核心环节,战术决策方法则是确保无人机编队协同作战效果的关键。在现代空天地一体化作战背景下,空面任务环境日益苛刻,对无人机复杂动态不确定环境下的应对水平越来越高,需要研究适应性更强、参数学习效果更好、鲁棒性能更强的战术决策方法。本论文以无人机编队执行空面任务为研究背景,以实现编队快速、正确的态势评估与战术决策为目标,从问题建模、解模方法以及模型参数学习三个角度展开具体研究,提出了一些新的研究思路和方法,论文主要研究成果如下:(1)分析了典型空面任务场景要素,对无人机编队突防区域威胁进行建模分析,并在此基础上,对无人机编队空面任务特性展开研究。无人机空面任务区域威胁类型日益多样化,防空作战水平也越来越高,直接威胁到无人机编队安全飞行。论文首先结合典型空面任务场景,分析空面任务中常见要素组成及其特点;然后对雷达、地空导弹、高炮这三类影响无人机编队飞行安全的主要威胁进行建模,并分析三者结合下的弹炮混编防空系统布置特点;最后从信息的分布性、决策的不确定性、过程的动态性三个角度详细研究无人机编队空面任务特性。(2)分析了无人机编队空面任务作战流程,建立无人机编队空面任务过程关键数学模型,最后提出了基于人机协同、成员协同的编队空面任务战术自主决策机制。无人机编队空面任务过程是在有人驾驶飞机、无人机等多武器平台作用下的协同作战行为,编队成员必须合理分工协作,确保协同作战效能的最大化。论文首先对无人机编队空面任务作战过程进行描述,详细分析无人机编队空面任务作战系统及其作战流程,将编队作战流程划分为规划、巡航、突防、突击、汇合、退出等六个阶段;然后从数学建模角度分别建立无人机编队空面任务态势评估、战术决策模型,为研究编队态势评估与战术决策方法提供理论依据;最后提出无人机编队空面任务战术自主决策机制,以增强编队成员之间的协作能力。(3)针对无人机编队空面任务态势评估问题,提出了将空面任务态势可视化方法,以及建立了基于卷积神经网络(Convolutional Neural Networks,CNN)的编队空面任务突防战术决策型,并设计训练环境学习决策模型参数。无人机编队行在突防阶段,面临地面弹炮混编防空系统的实时联合打击,不能盲目实施机动,需要对来自多源的探测信息进行有效融合处理,正确评估战场态势特征,进而采取相应的突防战术。论文首先利用STAGE Scenario 6.0推演平台得到态势评估数据集,将推演平台产生的态势样本信息处理后转化为可视化态势图;然后基于CNN建立编队空面任务突防战术决策模型,以及设计训练环境学习得到模型参数,并通过实验验证了模型的有效性。(4)结合无人机编队空面任务决策的不确定性特点,提出一种面向稀缺数据的贝叶斯网络(Bayesian network,BN)参数学习算法,并将所提算法用于编队空面任务攻击战术决策场景当中,提高编队在空面动态环境下的战术决策能力。无人机编队在空面任务过程中,攻击战术决策水平直接影响到编队能否安全飞行、顺利执行预定作战任务。论文首先结合概率推理理论,详细分析BN及其参数学习特点;然后针对稀缺数据下的BN参数学习问题,提出一种整合定性领域知识和进化策略的BN参数学习算法——CPEL,对比实验结果表明所提算法能够有效提高稀缺数据下的BN参数学习精度;最后提出面向多实体的编队空面任务攻击战术决策网络,并将所提算法用于稀缺数据下的决策模型建模中,取得了良好的学习效果。