本研究关注多智能体强化学习（MARL）在空战战术中的应用，解决了在军事环境中缺乏可解释性的问题。通过将多种可解释性技术应用于模拟空战场景，本研究提供了对模型行为的深入见解，强调了提高透明度在确保可靠部署及人机交互中的必要性。研究结果为战略规划和军人培训提供了有价值的分析和指导。

本研究提出了一种基于领导-追随策略的层次化强化学习框架，旨在提升多无人机空战中的协作性能。该框架通过优化角色分配和三层结构设计，有效应对高维动作空间的挑战，并在模拟实验中验证了其效果。

本研究使用深度强化学习开发了一个能在视距范围以外的空战模拟环境中运作的智能体，通过奖励机制不断提高其在空战中的角色和生成新的战术。该研究旨在探究使用虚拟模拟场景对训练有素的智能体进行互动并比较其表现的真实飞行员的能力，以开发能够与真实飞行员互动的代理。