随着人工智能的发展,将人工智能与电子战结合的认知电子战技术也得到了越来越多的重视。而智能通信干扰决策则是认知电子战的一个重要研究方向。智能通信干扰决策本质上是一个决策问题,而人工智能算法中的强化学习算法则是进行序列决策的一种可行的算法。因此本文对基于强化学习的智能通信干扰决策算法进行研究。本文首先研究了强化学习算法的基本原理与算法框架。给出了强化学习的几种经典学习算法。然后对深度神经网络中的深度前馈网络进行了介绍,对其训练方法进行了分析。接着结合深度学习和强化学习,对深度强化学习的概念和几种典型的算法进行了介绍。然后对认知通信对抗系统进行了介绍,并对智能通信干扰算法在认知通信对抗系统中的位置进行了分析。提出了敌方通信参数不变、敌方会根据受干扰情况切换信道以及敌方会根据受干扰情况改变通信参数等智能通信干扰算法的三种应用场景。针对每种应用场景,提出了合适的智能干扰决策算法。设计了智能通信干扰决策算法在每种应用场景下的奖赏函数、算法流程、算法参数等。并针对特定问题对算法进行了相应的改进,对其学习过程进行了优化。最后根据上述分析结果,搭建了智能干扰的仿真环境。对三种应用场景下的智能干扰算法进行了仿真验证。仿真结果表明三种算法在对应的应用场景下能够学习到好的干扰策略。实验证明了智能通信干扰决策算法在通信对抗中的可行性。