导弹导引系统实质上是一个同时具有非线性、时变性和模型不确定性的复杂系统。近年来,随着被拦截目标速度和机动性能力的增强,导弹导引系统的制导任务变得越来越复杂。传统的末制导律已不能满足日趋严格的拦截要求,尤其是目标大机动规避。基于最新控制理论的新型导引律成为各国精确制导技术的研究热点。其中基于模糊逻辑的导引律研究越来越多,逐渐成为热点。本文首先分析了导弹运动数学模型,建立了导引律仿真系统,对传统导引律进行了介绍,并从理论上对盲区所引起的脱靶量进行分析。考虑到粒子群算法(particle swarm optimization, PSO)原理简单,易于实现工程优化,研究了粒子群算法的基本原理以用来优化后来所设计的导引律,提出了一种基于线性递减惯性权重和交叉策略的改进算法。仿真结果表明,该改进算法不仅操作简单,而且有效。其次,针对模糊导引律中存在的参数优化问题,提出了两种基于粒子群算法优化的模糊导引律,依据导引性能指标对模糊导引律的参数进行优化。一种是基于粒子群优化的模糊导引律,用粒子群算法同时优化模糊控制器中的比例因子、量化因子和模糊规则库的权重;另一种是基于RBF(radial ba-sis function,RBF)神经网络推理的RBF模糊神经网络导引律,并用粒子群算法优化导引律参数。仿真结果表明,粒子群算法可以简化模糊设计过程中的参数优化等问题,优化后的模糊导引律在制导精度等各方面都有显著提高。最后,针对自适应模糊导引律参数设计的困难,设计了两种基于RBF神经网络的自适应模糊导引律。一种是基于RBF网络整定的自适应模糊导引律,通过对RBF神经网络两个自调整因子增量式公式的推导,得到了RBF网络整定的自调整因子递推公式。另一种导引律是基于RBF网络辨识的自适应模糊导引律,即用RBF网络去辨识这两个自调整因子。仿真结果对比表明,这两种导引律拦截精度更高,拦截时间更短,并且对拦截机动目标有很强的自适应性,是一种具有实用价值的高精度末制导律。