无人机协同对抗策略仿真：Matlab刷新函数与主循环设计解析

简介：基于无人机协同对抗策略的MATLAB仿真资源，面向无人机作战仿真与智能决策方向的初学者和研究者，尤其适合作为期末大作业或课程设计的参考。资源共27个文件，核心为23个.m脚本，涵盖红蓝双方位置刷新、拦截与突破判定、成功攻击判断等关键模块，同时包含.mat仿真数据、mlapp图形界面及pdf时间统计说明，压缩包约221KB，轻量易用。代码入口清晰，从main.m可运行完整对抗流程，各函数职责分明，模块间耦合度低，便于按需修改算法或替换策略。已有218人学习下载，无论用来理解协同对抗流程、复现实验场景，还是在此基础上扩展新的无人机博弈策略，这份源码和配套数据都能提供扎实的起点和直接的参考。

1. 无人机协同对抗策略仿真：为什么先讲刷新函数再谈主循环

接手这套源码时，我的第一反应是打开 main.m 找主逻辑，结果发现真正决定对抗走向的，是 RefreshRedPosition3.m、InterceptSuccess.m 和 AvaliableArea.m 这几个看起来零散的文件。基于无人机协同对抗策略的 Matlab 源码，把红方攻击编队与蓝方拦截防线放在同一个离散时间步里迭代：红方每帧刷新位置并尝试突破，蓝方同步刷新拦截节点，并在距离阈值内触发拦截成功。和纯运动学仿真不同，这套工程的价值在于把“协同对抗”拆成了可以独立替换的状态刷新函数，换一个刷新函数就相当于换一套无人机战术。适合正在做 Matlab 智能体博弈、期末大作业或毕设需要完整可跑工程的人。我的建议是从带 notUseNow 后缀的废弃文件读起，那段迭代痕迹比主代码更容易讲清设计取舍。

2. 对抗状态机与红蓝刷新机制：从文件命名反推战术流程

2.1 文件清单就是一张状态机

这套源码没有用 Simulink，全部由 .m 脚本、一个 matlab.mat 数据文件和一个 app1.mlapp 组成。文件命名遵循“角色+动作+版本”的约定，稍微整理一下就能还原整个对抗流程：

main.m 是入口，foretest2.m、foretest3.m 是批量测试脚本，test.m 是冒烟测试，.gitignore 说明作者早期就按 Git 工程管理，所以保留 notUseNow 文件是刻意的版本管理习惯。这种命名对后来者的价值在于：可以通过 diff 两个版本看到策略迭代方向。比如 RefreshRedPosition1_notUseNow.m 和 RefreshRedPosition3.m 之间，最可能的变化就是“是否把蓝方位置作为刷新输入”，这决定了红方是直线突防还是协同避让。

所以理解这套源码的正确路径，不是逐行读数学公式，而是先厘清谁先动、谁后动、判定优先级。在这个工程里，红方是进攻方，蓝方是拦截方；红方要突破防线，蓝方要在防线前把红方“换算成”拦截成功事件。

2.2 主循环里的四步刷新

把 main.m 的结构压缩一下，可以看到一个非常典型的对抗主循环：

% 简化后的对抗主循环：先更新红方，再更新蓝方，最后做判定 for t = 1:T_max redPos = RefreshRedPosition3(redPos, bluePos, param); bluePos = RefreshBluePosition2(bluePos, redPos, param); if InterceptSuccess(redPos, bluePos, param) interceptCount = interceptCount + 1; resList(t) = 0; % 0 表示拦截成功 break; end if BreakthroughSuccess(redPos, param) breakCount = breakCount + 1; resList(t) = 1; % 1 表示突破成功 break; end if ~AvaliableArea(redPos, param.boundary) break; % 红方飞出可用区域，按对抗失败处理 end end

这段循环体现了典型的异时博弈顺序：回合开始先由红方刷新，蓝方再根据红方的新位置进行拦截响应。如果把两行刷新位置对调，就变成蓝方先动的“先手拦截”，统计结果会显著不同。param 里常见字段有 dT、速度上限、拦截半径和区域边界；resList 保存每个回合的判定结果，后续时间统计和成功率统计都依赖它。

提示：break 跳出循环前只能写一次 resList(t)，以防止同一回合被拦截和突破同时触发。这里把 InterceptSuccess 放在 BreakthroughSuccess 之前，意味着拦截优先级更高，与物理直觉一致：只要蓝方在红方越过防线前进入拦截半径，就算拦截成功。

2.3 R2B 和 Rotate：坐标关系里的方向问题

R2B 这个函数名容易被误读成“红蓝双方距离”，实际上从输入输出看，它更接近一个 Red-to-Blue 相对关系工具。常见做法是计算每个红方节点到最近蓝方节点的距离和方位角，作为红方刷新策略的输入，相当于把蓝方防线“感知”压缩成一组标量。

function [range, bearing, idx] = R2B(redPos, bluePos) % 返回每个红方节点到最近蓝方节点的距离、方位与编号 n = size(redPos, 1); range = zeros(n, 1); bearing = zeros(n, 1); idx = zeros(n, 1); for i = 1:n delta = bluePos - redPos(i, :); d = vecnorm(delta, 2, 2); [range(i), idx(i)] = min(d); bearing(i) = atan2(delta(idx(i), 2), delta(idx(i), 1)); end end

vecnorm计算每行向量的二范数，min返回最近距离及对应蓝方节点索引；bearing用atan2返回值在 [-pi, pi] 区间，单位是弧度。这里最容易出错的是delta(idx(i), 2)对应 y 方向，一旦把 x 和 y 对调，后面 Rotate.m 转出来的航向会整体偏转 90°，红方集群会出现集体绕圈的现象。

Rotate.m 对应运动层，通常实现为二维旋转矩阵：

function vVec = Rotate(vVec, angle) % 将速度向量旋转 angle 弧度 R = [cos(angle), -sin(angle); sin(angle), cos(angle)]; vVec = (R * vVec(:)).'; end

旋转矩阵的约定是逆时针为正。如果你的屏幕坐标 y 轴向下，需要把 sin 项取反，否则看到的轨迹是镜像的。这个问题在最后一章的单步调试里会暴露得非常明显，建议先用一组已知坐标验证 R2B 和 Rotate 的配合结果，再跑完整对抗。

提示：把 R2B 返回的 bearing 打印出来，再用 Rotate 旋转，对比旋转前后的 x、y 增量，可以快速判断坐标正方向是否匹配。

3. 核心模块实现：可用区域生成与单步博弈判定

3.1 AvaliableArea 与 GetPoint：边界约束下的随机初始化

AvaliableArea.m 这个文件名拼写少了一个 a，但既然函数名已经定了，调用处必须保持一致。它的作用是排除越界点，因为红蓝双方不能出现在任意位置。GetPoint.m 则负责在边界内生成随机点。两个函数配合解决“初始位置如何不重叠、不越界”的问题。

function flag = AvaliableArea(pos, boundary) % 判断 pos 是否落在 boundary 内 % boundary 支持矩形 [xmin xmax; ymin ymax] 和多边形顶点两种格式 if size(boundary, 1) == 2 flag = pos(:, 1) >= boundary(1, 1) & pos(:, 1) <= boundary(1, 2) & ... pos(:, 2) >= boundary(2, 1) & pos(:, 2) <= boundary(2, 2); else flag = inpolygon(pos(:, 1), pos(:, 2), boundary(:, 1), boundary(:, 2)); end end

这里的boundary如果只有两行，就按矩形处理；如果有多行，就按多边形处理，交给inpolygon。pos是 N 行 2 列的坐标矩阵，返回的逻辑向量与每行坐标一一对应。实际工程里这个函数会被反复调用，建议把边界检查放在每帧刷新的第一句，越界点直接标记为失败，避免后续atan2、norm对异常坐标产生无效值。

GetPoint.m 的常见实现是均匀随机采样：

function pts = GetPoint(N, boundary, margin) % 在边界内生成 N 个点，margin 保证点距边界有一定距离 xmin = boundary(1, 1) + margin; xmax = boundary(1, 2) - margin; ymin = boundary(2, 1) + margin; ymax = boundary(2, 2) - margin; pts = [xmin + (xmax - xmin) * rand(N, 1), ... ymin + (ymax - ymin) * rand(N, 1)]; end

rand产生的是 [0, 1] 均匀分布随机数，映射到[xmin, xmax]就得到边界内的均匀点。margin建议取 0.5 到 1 个机身长度，避免初始位置贴边导致第一帧就飞出区域。红方初始位置可以用GetPoint(5, boundary, 2.0)生成 5 架无人机，蓝方用GetPoint(6, boundary, 1.0)生成 6 个拦截节点，数量不同可以模拟数量不对称的对抗场景。

3.2 成功判定函数的阈值设计

判定参数是仿真里最容易拍脑袋的地方。拦截半径interceptR太小会导致红方高速掠过时“穿模”，太大则红方很难活过前 20 个回合。InterceptSuccess.m 的典型实现是求所有红蓝距离的最小值，再与阈值比较：

function flag = InterceptSuccess(redPos, bluePos, param) % 判断是否有红方节点落入蓝方拦截半径 dMin = inf; for i = 1:size(redPos, 1) dMin = min(dMin, min(vecnorm(bluePos - redPos(i, :), 2, 2))); end flag = dMin <= param.interceptR; end

循环里bluePos - redPos(i, :)把蓝方坐标平移到以当前红方为原点的坐标系，vecnorm的第二参量 2 表示二范数，第三参量 2 表示按行计算。这样写不依赖统计工具箱，换到基础 Matlab 环境也能跑。如果红蓝数量增大到几十个，可以先用pdist2(redPos, bluePos)一次性算出成对距离矩阵，再取全局最小值，代码更短但需要确认环境支持。

BreakthroughSuccess.m 的判定则简单得多：

function flag = BreakthroughSuccess(redPos, param) % 红方任一节点越过防线 x 坐标即视为突破成功 flag = any(redPos(:, 1) >= param.defLineX); end

redPos(:, 1)取出所有红方的 x 坐标，any表示只要有一架越过防线就算突破成功。这里的defLineX应该略小于区域右边界，给蓝方留出纵深。更稳的做法是加连续帧确认：连续 3 帧都越过防线才返回成功，防止红方在防线附近来回振荡造成误判。

3.3 main.m 到 app1.mlapp：参数集中配，态势实时画

main.m 适合命令行批量跑，app1.mlapp 适合答辩演示和单步调试。建议把仿真参数全部收敛到 param 结构体，避免散落在各处魔法数字：

clear; clc; close all; boundary = [0 100; 0 100]; % 仿真区域 100 x 100 param.dT = 0.1; % 仿真步长 param.vRed = 8.0; % 红方最大速度 param.vBlue = 9.5; % 蓝方最大速度 param.interceptR = 3.0; % 拦截判定半径 param.defLineX = 70.0; % 蓝方防线 x 坐标 param.T_max = 300; % 最大仿真步数 redPos = GetPoint(5, boundary, 2.0); % 5 架红方无人机 bluePos = GetPoint(6, boundary, 1.0); % 6 个蓝方拦截节点 for t = 1:param.T_max redPos = RefreshRedPosition3(redPos, bluePos, param); bluePos = RefreshBluePosition2(bluePos, redPos, param); if InterceptSuccess(redPos, bluePos, param), break; end if BreakthroughSuccess(redPos, param), break; end if ~AvaliableArea(redPos, boundary), break; end end DrawAreaPicture(redPos, bluePos, boundary);

foretest2.m 和 foretest3.m 是调参脚本，适合批量修改param.interceptR观察成功率变化；test.m 是冒烟测试，用来验证初始化位置是否合法、判定函数是否返回。把参数集中在结构体的好处是，GUI 和命令行跑的是同一套配置，不会出现“界面跑的和脚本跑的不是一个版本”的问题。

4. 对抗效能统计：从时间统计.pdf 到批量仿真验证

4.1 时间统计 pdf 在统计什么

时间统计.pdf 从这个项目的文件组成看，大概率记录的是两类内容：一是一局完整对抗中各个函数的耗时占比，二是多局仿真的平均时长。Matlab 里做这类统计最直接的方式是tic/toc：

tCost = zeros(param.T_max, 3); for t = 1:param.T_max tic; redPos = RefreshRedPosition3(redPos, bluePos, param); tCost(t, 1) = toc; tic; bluePos = RefreshBluePosition2(bluePos, redPos, param); tCost(t, 2) = toc; tic; InterceptSuccess(redPos, bluePos, param); tCost(t, 3) = toc; end disp(mean(tCost, 1));

mean(tCost, 1)得到每类操作的平均耗时，可以看到瓶颈到底在位置刷新还是判定逻辑。如果发现 RefreshRedPosition3 占比异常高，优先检查循环里是否重复计算 R2B 或者重复分配大矩阵；不要一上来就怀疑 Matlab 本身慢。对于秒级耗时，timeit比tic/toc更稳定，因为它会多次运行取中位数，适合对单次函数做精细评估。

4.2 批量仿真与成功率口径

单局结果说明不了策略好坏。批量跑的时候，要把“初始随机、过程随机”控制住：

N = 200; success = zeros(N, 1); breakTime = zeros(N, 1); for r = 1:N [ok, tUsed] = runOnce(param); success(r) = ok; breakTime(r) = tUsed; end breakRate = mean(success); % 突破成功率 avgTime = mean(breakTime(success == 1)); % 成功突破的平均耗时

这里runOnce是把 main.m 的主体封装成“参数进、结果出”的函数，返回是否突破和耗时。想用parfor加速时要注意随机数问题：每个worker 会继承不同的随机流，但如果GetPoint在循环内部调用rng重置，所有局就会生成相同初始点，统计结果完全失真。建议只设置一次全局随机流，或者让GetPoint接受可选的随机种子参数。

统计口径建议按下表对齐：

4.3 三版红方刷新策略的对照实验

同一个工程里同时存在 RefreshRedPosition1、2、3，本身就是设计好的对照实验。通过函数句柄切换，可以快速比较策略差异：

strategyList = {@RefreshRedPosition1, @RefreshRedPosition2, @RefreshRedPosition3}; for s = 1:3 param.refreshRed = strategyList{s}; result(s) = runBatch(param, 50); end

param.refreshRed存的是函数句柄，主循环里调用param.refreshRed(redPos, bluePos, param)即可。三版策略可以从命名和 notUseNow 文件推断出大致差异：

如果第三版引入了蓝方位置作为输入，对照实验时需要把旧版函数的调用接口统一成“红方、蓝方、参数”三元组。Matlab 的函数句柄天然支持这种多态调用，这也是这套源码适合二次开发的原因之一。

4.4 结果落盘

批量跑完一定要落盘，否则关掉 Matlab 就白跑：

save('runResult.mat', 'success', 'breakTime', 'param');

matlab.mat是源码自带的数据文件，保存的是作者跑过的原始数据，建议不要覆盖。自己跑的结果存成 runResult.mat 或带时间戳的文件名，比如runResult_20250101.mat。这样后续做参数敏感性分析时，还能回头查某一组参数的原始数据，而不是重新跑几百局。

5. 排错与调试技巧：废弃文件、坐标旋转与 GUI 单步验证

5.1 从 notUseNow 文件反查设计迭代

带有 _notUseNow 后缀的文件不是垃圾，而是作者的迭代记录。比如 RefreshBluePosition2_notUseNow.m 与 RefreshBluePosition2.m 之间的 diff，能看到蓝方拦截策略是否从“固定点拦截”改成了“预测红方位置拦截”。命令行里用对比工具直接看两个文件，比看任何注释都直观。保留废弃文件同时保留 .gitignore，说明这套源码的版本管理层次是清楚的。我自己的习惯是给废弃文件加_notUseNow后缀，而不是删除，因为旧版本往往藏着新方案里没有的边界处理逻辑。

5.2 航向旋转的象限修正

Rotate.m 和 R2B.m 配合时最常见的坑是角度象限错误。atan2(dy, dx)返回的角度范围是 (-pi, pi]，如果旋转矩阵方向不对，按这个角度旋转后的速度向量可能指向完全相反的方向。一个兼容性更好的写法是给 Rotate 增加一个方向参数：

function vVec = Rotate(vVec, angle, yawSign) % yawSign > 0 使用逆时针旋转，否则使用顺时针旋转 if nargin < 3 || yawSign > 0 R = [cos(angle), -sin(angle); sin(angle), cos(angle)]; else R = [cos(angle), sin(angle); -sin(angle), cos(angle)]; end vVec = (R * vVec(:)).'; end

nargin < 3确保老调用方式不报错，新代码可以显式传入yawSign。调试时先用单点坐标验证：给一个 (1,0) 速度向量旋转 90°，看结果是 (0,1) 还是 (0,-1)。只要这一步对了，后续的航线就不会整体镜像。

5.3 app1.mlapp 单步验证

app1.mlapp 适合做单步演示。在 GUI 里加一个“单步”按钮，回调里只执行一轮刷新并立即绘图：

function stepButtonPushed(app, event) app.redPos = RefreshRedPosition3(app.redPos, app.bluePos, app.param); app.bluePos = RefreshBluePosition2(app.bluePos, app.redPos, app.param); plot(app.UIAxes, app.redPos(:, 1), app.redPos(:, 2), 'r*'); hold(app.UIAxes, 'on'); plot(app.UIAxes, app.bluePos(:, 1), app.bluePos(:, 2), 'bo'); hold(app.UIAxes, 'off'); drawnow limitrate; end

drawnow limitrate限制重绘频率，比裸drawnow流畅得多，尤其在无人机数量增多后效果明显。把单步按钮和 5.2 里的yawSign开关放在一起用，调一次参数就能立刻看到集群队形是散还是聚，这是验证协同对抗策略最直接的方式。

本文还有配套的精品资源，点击获取