在当前信息时代的背景下,随着高新科学技术的不断发展,军用和民用领域的许多任务场景对于无人技术的需求日益增加。无人机因灵活机动、效费比高等优势成为当前应用较多的一种无人平台,并随着无人集群概念的提出开始向着集群化、智能化的方向发展。集群化应用也凭借其组织灵活、高鲁棒性、多功能性等特点成为未来无人机应用的一种发展趋势以及各国重点关注的一个研究方向。在未来战场环境下,对多个敌方目标实现协同侦察是多无人机系统的一个重要应用场景。当前传统的智能优化算法在面对环境条件未知或部分可知的情况时往往难以进行实时规划调整。强化学习是一种在试错中不断最大化自身收益信号的学习方法,非常适合解决环境模型未知情况下的决策优化问题。本文针对无人机集群自主区域侦察覆盖任务,围绕大面积未知区域的侦察覆盖和区域内特定未知目标点的侦察覆盖这两个典型任务场景进行深入研究,并结合强化学习的方法分别设计算法对问题进行求解,通过构建环境模型进行算法验证,证明基于强化学习的无人机集群自主区域侦察覆盖方法具有一定的可行性和鲁棒性,为未知环境下无人机集群实现协同侦察提供解决思路。具体研究的主要内容如下:1.针对特定未知大面积目标区域的侦察覆盖问题,提出一种基于PPO（Proximal Policy Optimization）的无人机集群区域侦察覆盖算法。通过记录历史覆盖信息构建状态空间,根据无人机运动的各项约束建立动作空间,并使用动作屏蔽（Action Masking）对其进行优化。根据任务需求设计奖励函数,通过最大化累计奖励使集群能够尽快实现对未知目标区域的侦察覆盖。最后通过仿真验证,证明本文提出的方法可以有效实现侦察覆盖任务,且相较于传统的flocking方法能够减少重复覆盖情况的发生,平均覆盖时间更短,具备较好的收敛性和鲁棒性。2.针对目标区域内特定目标点的侦察覆盖问题,提出一种基于改进MAIPPO（Multi-Agent Independent Proximal Policy Optimization）的无人机集群自主区域侦察覆盖算法,通过设计并学习中心化的状态值函数来解决多智能体训练时环境产生非平稳性的问题。依据任务场景设计状态空间,结合无人机运动的各项约束规则来设计动作空间和奖励函数,引入消息失活机制对网络进行优化,避免出现过拟合。通过最大化累计总体奖励来更合理的实现目标分配以及航迹规划。最后通过仿真验证,证明本文提出的方法可有效实现侦察覆盖任务,相比于MAIPPO可以更有效的实现多无人机的协同侦察且平均用时更短,算法的收敛性和鲁棒性更好。