随着人工智能技术的发展,无人机技术逐渐走向成熟,无人机在智能化无人作战方面的应用日益广泛。无人机在执行作战任务的过程中,通常需要在对抗环境下应对多种不确定威胁。针对对抗环境下敌方静态威胁和移动威胁,需要研究航迹优化方法来确保无人机可以在满足机体性能条件下,安全高效地避开对抗环境中的各种不确定的威胁,并且可以最快到达目标地点。本文从以下几个方面对对抗环境下的无人机航迹优化进行了研究:(1)针对对抗环境中无人机航迹预规划问题,提出了基于博弈模型分析未知移动威胁的静态航迹优化方法。基于博弈方法对敌我双方的对抗行为进行建模,预估移动威胁巡逻区域,来提高对抗环境下航迹预规划的安全性。同时,利用遗传算法进行移动威胁巡逻轨迹的预测和无人机静态航迹的规划,实现最优航迹的搜索。(2)针对对抗环境中移动威胁的实时运动航迹预测问题,提出了基于博弈方法的快速扩展随机树算法。在卡尔曼滤波预测移动威胁位置的基础上,通过博弈模型预测移动威胁的运动轨迹,提前进行规避,降低航迹重规划的次数,进而提高航迹优化的效率。(3)针对无人机的实时航迹优化问题,提出了基于改进粒子群算法的航迹优化方法。通过分区域粒子初始化,实现了规划速度与航迹最优性的权衡,依靠粒子群算法的快速收敛性快速更新航迹,提高航迹规划效率。通过对比实验,证明了本文基于博弈的移动威胁预测方法可以使无人机更好的躲避威胁完成任务。改进粒子群算法可以使实时航迹重规划的迭代速度更快,航迹更精确,使无人机可以更快做出反应。本研究为复杂作战环境下的无人机航迹优化研究提供了新的研究思路,具有较高的研究意义和应用价值。