1）无人机集群协同对抗演化过程机理及其表述。由于集群对抗中信息的多元化和不完全、不确定性，对抗系统是一个复杂的动态随机过程，空战对抗态势随着时空不断演化，每个无人机作为一个智能体必须依据不断变化的态势并依据一定的准则调整自己的策略，进行己方个体之间的合作、与对方的博弈。因此，在充分分析无人机集群对抗演化过程特点及其内涵的基础上，理解无人机集群对抗的非线性动态过程演化机制，利用系统动力学和复杂系统理论建立各种因素的相互作用和信息的传递关系的网络拓扑架构，有利于对无人机集群对抗过程的定量和定性分析。
 

　　2）无人机自适应自主决策对抗行为。集群对抗中，无人机个体是直接动作发出和执行者，无人机个体不断与环境进行交互并相互作用，促使对抗过程不断演化。因此，集群对抗最终是要依赖于无人机的对抗规则，即无人机依据敌方态势、友机态势及自身飞行状态、武器状况、健康情况等因素，采取某种机动和攻击策略，如攻击敌机、威胁回避、支援友机、战术协同，使在最大化对敌杀伤、对敌态势、瓦解敌方意图和最小化自身损失等方面的综合效益取得最大化。
 

　　3）无人机集群智能控制方法。实际对抗过程中，大规模的无人集群必须迅速并准确地分布于各个作战区域，进行有效的作战编队。大规模无人机集群，从其特征上看，是一类非线性复杂系统，具有群体智能涌现固有的复杂性和随机性的特性，其控制方法跟传统方法有很大的区别。集群系统可以视为大量弱耦合子系统的集成，每个个体均具有一定的自主能力，但其能力具有局限性，而且集群中每个个体必须相互配合与协调才能完成复杂任务，因而，集群无人机具有分布式控制的本质特征。单一方法控制无人机集群往往不够理想，可以采用一些外部干预，并进行控制规则深度化和广度化对集群效果进行量化研究，使得不同对抗阶段的无人机集群能够进行精准的单机或多机协同，达到所预期的对抗要求。
 

　　4）无人机集群探测与识别。复杂而多变的集群对抗环境具有极大的状态不确定性和极强的时间约束，对于敌我双方大规模无人机个体和集群进行精确地探测和识别是对抗行为成功与否的先决条件。在不确定和部分确定条件下，实时在线进行主动感知和目标区分，对于集群对抗任务的上层决策具有指导意义。对抗过程中，实时采集到的图像等各类传感器信号，可以结合信息融合理论与部分可观马尔科夫等规划理论，推测并优化最佳的个体机动和集群行为，协同感应、定时并协同攻击，实现无人机集群对抗效果的最优化。
 

　　5）无人机集群对抗态势评估。态势评估是对抗决策的依据，由于集群对抗威胁可以来自任意方向，数量多，友机与敌方飞机相互缠绕，信息量大，且存在不完全、不确定性，态势评估比单机对抗情况复杂的多。这就需要集群中每个无人机利用其对周围环境的感知信息和接收到的邻近友机传来的信息，根据所获得的综合数据信息进行数据挖掘，分析理解敌方的作战意图、战术战法。例如，目标移动轨迹数据蕴含着丰富的信息，采用机器学习、深度学习等方法对其进行知识挖掘和模式分类，进行敌方战术意图推断，对于态势评估和对抗决策有着重要意义。
 

　　6）无人机集群通信技术。集群对抗环境对通信链路的要求也十分严苛，既要满足地面站与无人机、无人机与无人机、无人机编队与无人机编队之间必须存在一定冗余的信息交互，同时应减少通信的延迟，保证信息交互的实时性。空战过程中，无人机存在受伤、击落、增援等多个状态，其动态加入和退出也使得通信链路必须满足在正常通信需求的条件下，支持无人机数量的变化，完成集群的重构，而且在无人机与地面站失去联系时，无人机群应具有通信链路的自组织能力。其次，在某些关键操作上，通信链路还必须保证地面操作员能够对无人机任务进行授权和确认。