近年来，无人机作为现代战争的新兴力量，在空战中的作用越来越显著，受到了各大军事强国的广泛关注。无人机空战自主决策作为无人机技术的一部分，是提升无人机自主性的关键技术，引起了国内外众多学者的极大兴趣。但是，随着军事科技的不断发展，空战环境日渐复杂，想要在复杂环境下占据空战主动权，必须准确洞察敌方无人机的战术意图。本文在复杂环境中的无人机空战背景下，对基于意图预测的多无人机协同攻防智能决策进行了研究。
　　首先，建立了无人机攻防智能决策系统的总体架构，从整体上分析了基于意图预测的多无人机协同攻防智能决策系统的具体实现方案，并详细介绍了目标意图预测、多无人机目标分配、空战机动决策三个部分具体内容和研究方法。
　　其次，针对非完备信息下无人机空战目标意图预测问题，提出了一种基于长短时记忆网络(Long and Short-Lerm Memory, LSTM)的非完备信息下空战目标意图预测模型，采用分层的方法建立空战目标意图预测特征集，并将空战信息编码成时序特征，将专家经验封装成标签，引入三次样本插值函数拟合以及平均值填充法来修补不完备数据，利用自适应矩估计(Adaptive moment estimation, Adam)优化算法，加快目标意图预测模型训练速度，同时能够有效防止局部最优的问题，并通过仿真验证了意图预测模型与求解方法的准确性和有效性。
　　此外，针对多无人机协同目标分配问题，设计了一种基于改进离散狼群算法的多机协同目标分配算法，综合考虑空战态势、战机性能、目标意图建立了多机协同目标分配模型，针对空战存在的单机对单机、单机对多机、多机对多机分配情况，设计虚序列编码方式，同时设计了离散狼群算法的智能行为，另外引入头狼游走机制强化头狼搜索能力，采用自适应奔袭步长方式加快离散狼群算法的收敛速度，并通过仿真实验验证了本文所提的基于改进离散狼群算法的多机协同目标分配算法的有效性。
　　最后，针对无人机空战机动决策问题，依据空空导弹对不同区域的攻击效果建立空战态势模型，结合无人机运动学模型和基本操纵机动动作库构建无人机机动决策模型，另外综合考虑空战态势与目标意图采用概率神经网络对敌方无人机机动动作进行预测，根据敌方无人机机动动作采用强化学习方法选择我方机动策略，并通过仿真实验验证了机动预测方法与机动决策方法的合理性和有效性。