无人机集群作战作为一种全新的作战模式，具有智能化水平高、数量压制优势、难以防御等特点，是未来智能化国防部署的重要环节，集群系统的智能运动控制与自主决策是提高集群作战效率、发挥集群优势的关键。本文针对无人机集群作战中集群投放、集群空战和集群回收三个方面，分别研究了集群运动控制算法、集群空战机动决策和集群航路规划，具体如下：
　　针对基于群体智能的无人机集群运动控制存在的运动振荡和无法实现分群运动问题，提出一种注意力跟随机制与改进拟态物理（IAP）法相结合的无人机集群运动控制算法。首先，将基于经典 SAC 算法的集群控制算法中的对齐区域与聚集区域融合，提出基于 IAP 法的集群运动控制算法，实现无人机集群聚集运动与速度一致运动，解决集群系统从聚集运动收敛到速度一致运动过程中存在的运动振荡问题。然后，引入注意力跟随机制，无人机通过将检测到目标的其他个体作为注意力跟随对象进行跟随运动，实现了多目标情况下集群系统的分群运动。
　　针对信息不完备情况下的无人机集群空战机动决策问题，提出一种基于AP-DDQN算法的无人机集群空战机动决策算法用于求解最优机动策略。首先，利用拟态物理法来表征集群中无人机个体之间的相互作用关系，建立集群空战问题的连续状态空间，同时利用目标的联合毁伤效能表征无人机的协作关系，定义了无人机集群的奖赏函数，最后使用Double-DQN算法对无人机集群进行训练。仿真结果表明，无人机集群在作战区域内目标位置不完全可知的情况下，能够自主实现分群搜索、合作围捕、等待支援、友军支援等复杂的空战行为。
　　针对三维环境下的无人机集群航路规划问题，提出一种基于GA-IAP算法的分层航路规划算法。首先，建立三维高程地图模型环境，并使用双线性插值法对其进行优化。然后，利用分层的思想将无人机集群航路规划分解为子集群中心航路规划和每架无人机的航路规划两个层次。其中，针对子集群中心航路规划，提出一种基于优先选择基因编码方式的遗传算法（GA）求解最优航路，然后针对每架无人机的航路规划，利用IAP法获得每架无人机沿子集群中心航路的运动轨迹，实现对集群中所有无人机的航路规划。最后，通过仿真验证了算法的有效性，为无人机集群航路规划问题提供了新思路。