随着科技的发展,人们生活的需要,不管在民用领域还是在非民用领域,世界范围内的航空技术得到了极大地发展。尖端的航空技术优先广泛应用于军事目的。各种尖端的航空技术应用使得飞行器的性能不断地的得到提升,例如飞机的重量,速度,过载等性能数据都已达到载人飞机所能达到的极限。放眼未来随着科学技术的不断发展,航空航天科技必然向无人机的方向发展。去进行各种极限飞行任务。无人机相对于有人驾驶的飞机具有巨大的优势:无人驾驶、零伤亡、低成本、滞空时间比较长、能执行高危任务、适应性强等。虽然无人机相关的研究成本比较高,周期长,耗费巨大的人力和物力,但是因为其优秀的性能,还是吸引各国加入研究无人机的大军之中。其中无人机空中对抗又是无人机研究的重要方向。本论文针对无人机智能对抗系统中多无人机之间追踪-逃逸问题与多无人机之间的任务目标协同分配问题进行了一定的研究,研究和探讨了基于微分博弈论的无人机二对一最优机动决策问题,采用RBF神经网络模型解决多机对抗目标对位匹配问题。本文的主要内容如下:首先,针对多无人机状态下建立二对一非线性追踪-逃逸平面上的动力学模型。研究了双机编队采用微分博弈法对单一无人机进行追捕的机动决策模型。运用几何原理对多无人机编队进行机动飞行控制,使用梯度迭代方法进行模型求解。使得追逃微分博弈论最优机动决策算法能够在多无人机编队中进行使用。其次,探讨了双方多无人机空中对抗系统中的多无人机任务协同的目标匹配问题,根据双方优势以单机或机群的协同优先权函数,并运用RBF神经网络算法建立双方无人机的目标对位匹配模型,使用matlab进行仿真实验验证效果。最后,经过仿真实验验证后,结果表明,本文提出的多无人机对单一无人机的微分博弈论算法能够使得多无人机能够很快速的捕获单一目标机,并且能够实现无人机在作战对抗中实现编队飞行进行对抗,具有一定的实用价值。另外,本文还提出了基于RBF神经网络多目标对位匹配算法,具有很强的适应性,速度更快,收敛性很强。以上算法可以为无人机微分博弈论的机动决策和多无人机的目标对位匹配问题提供有益的想法。