无人机(Unmanned Aerial Vehicle，UAV)集群协同作战是一种全新概念的作战模式，具备智能化程度高、不确定性因素多以及任务环境复杂等诸多特点，自主决策与控制是实现UAV集群协同作战的关键，对于提高多UAV的整体作战效能起着至关重要的作用。本文以系统工程、人工智能、自动控制和信息融合等学科的最新理论和技术为基础，对UAV集群自主协同决策控制的关键技术进行了深入的研究分析。主要的研究内容和创新点归纳如下：　　(1)在UAV个体具备一定智能的基础上，首先分析了UAV集群协同作战系统的基本组成、系统特点和具体的作战流程，然后结合多智能体理论分析了UAV集群协同决策控制系统的组成、子系统功能以及功能特性并针对传统有限集中/分布式结构的不足，提出了基于 Agent服务网络的集中/分布式决策控制系统体系结构，最后列举并分析了UAV集群协同决策控制的相关关键技术。　　(2)针对大规模且存在多约束条件的UAV协同任务预分配问题，并为了避免传统进化算法易陷入局部最优的缺陷，设计了求解两级UAV任务预分配的离散粒子群算法。首先结合任务的约束特性，将大规模UAV任务分配问题分解为集群级和编队级两类子问题，然后分别建立了数学模型，最后根据模型特点与约束类型，设计了求解这两类问题的矩阵二进制编码粒子群算法和带有移位操作的整数编码粒子群算法。仿真算例表明，与传统进化算法相比，这两种算法收敛速度更快，全局寻优能力更强。　　(3)针对UAV三维实时航迹规划约束条件复杂、不确定因素多、实时性要求高的特点，提出了基于模型预测控制和自适应差分进化算法的UAV三维航迹规划方法。针对UAV单机航迹规划，首先采用模型预测控制和滚动优化思想建立了UAV三维实时航迹规划模型，然后利用模糊控制理论设计了威胁增益模糊控制器，使得UAV在遭遇突发威胁时能够快速逃离，最后给出了求解航迹的自适应差分进化算法，仿真算例表明该方法能够使UAV在飞行过程中实现地形跟随与威胁回避，并能对动态环境作出快速响应，且具备较好的实时性；在UAV单机航迹规划的基础上，针对考虑时间协同的多UAV航迹规划，提出了“分布式同步进化-集中式速度协商”的求解框架，仿真算例表明使用该框架进行UAV协同航迹规划，UAV能够同时到达目标点。　　(4)针对存在移动目标和移动威胁的动态战场环境，提出了基于启发式预测窗口的UAV编队协同飞行轨迹控制方法。首先利用强跟踪滤波对移动目标或威胁进行状态预测并推导了启发式预测窗口的计算公式，然后根据滚动优化思想和矢量夹角原理建立了轨迹控制模型并利用最速下降法进行求解，最后设计了时间协同和空间协同的协同机制并给出了求解框架。仿真算例表明，在追击移动目标时，该方法较滤波法UAV航程更短；在规避移动威胁时，该方法较滤波法UAV具有更高的生存概率。