目前,无人机已经广泛应用于军事、商业和农业等多个领域,而相对于单个无人机,无人机集群具有效率高、容错性好等诸多优势,将是未来军事以及民用方面不可或缺的一部分。然而对于大规模无人机集群的控制问题,目前的控制模型都具有各自的不足,需要面向任务具体建模。此外,有效地评估无人机集群性能也很有意义,但无人机集群涉及多种复杂性科学,对其进行试验非常困难。本文针对自组织无人机集群建模及特性进行了以下探索。（1）针对区域协同搜索问题,基于Boids模型建立了适合大规模无人机集群运动的协同搜索算法。将原始Boids模型的聚集、对齐和分离三个规则,根据搜索任务特点进行改进,给出了具有离心、乱序、分离、惯性、随机以及反向六个规则的集群协同搜索算法。并通过仿真进行了验证,在该算法控制下的无人机集群,最终能以概率1对目标搜索区域实现全覆盖,此外其搜索效率明显高于随机搜索。（2）针对Cucker-Smale模型的不足,根据实际任务需要进行改进,使得模型能够实现集群个体之间避免碰撞、形成特定的队形以及向特定的方向运动,并通过仿真验证了该模型改进的正确性。（3）根据无人机集群的队形、通信和数量属性,构建了集群的功能函数,通过采用不同的干扰方式,对基于改进Cucker-Smale模型运动的无人机集群进行干扰,提出了集群对于某种干扰脆弱性的定量评估方法。无人机集群对于不同方式干扰的脆弱程度并不相同,总的来说,有策略的干扰比随机干扰对集群的影响更大。（4）探究了无人机通信半径对无人机集群的影响。对于不同的模型,其影响大小不一,通信半径对基于规则的无人机集群区域协同搜索几乎没有影响,但是对无人机集群脆弱性的评估影响却很大。