无人机博弈程序是一种涉及多架无人机的策略和决策过程，旨在通过博弈论来实现全局协同优化或单个无人机的航迹优化。以下是一些关于无人机博弈程序的关键点：
博弈角色划分
无人机被划分为不同的博弈角色，使得它们之间可以进行类似于博弈的竞争和协作。
航迹规划与优化
每架无人机都有自己的目标，并需要规划出一条最优航迹，以避免与其他无人机产生冲突。
深度强化学习
基于深度强化学习的方法被用于在线运动规划，实现多无人机追逃博弈。例如，TPNet网络利用长短期记忆网络（LSTM）处理有时间关系的数据，进行目标预测和决策。
生成对抗网络（GAN）
生成对抗网络被用于无人机博弈对抗技术，通过训练数据生成模型来提高博弈效果。虽然目前多数GAN模型是基于图像的，但无人机的博弈对抗需要大量的数据支持和模型优化。
博弈论在编队控制中的应用
通过引入博弈理论来优化无人机的编队控制，实现无需传统测量的方法来建立灵活的无人机编队。这种方法的关键在于设计能够在没有邻近无人机速度与位置信息的情况下，实现灵活编队的控制算法。
这些方法和技术为无人机博弈程序提供了不同的解决思路和应用场景，有助于提高无人机在复杂环境中的自主性和协同能力。