本文提出一种新型计算仿真框架，旨在基于代智能体建模与仿真（ABMS）方法，评估三类集群无人机模型的涌现行为。这三种模型分别为：基于Bruckstein蚁群理论的领导-跟随者集群模型、基于简化Reynolds“类鸟对象”模型的集群模型，以及基于信息素协调的共识响应模型。仿真的核心目标在于评估上述模型在四种独立场景下，将预定数量的各类无人机投送至目标区域的性能表现，累计完成五万次独立仿真试验。各场景设计旨在系统性地考察集群模型性能如何响应代理层参数与外部环境因素的变化。仿真结果揭示了模型间存在统计学显著差异。数值分析与可视化手段进一步呈现了各集群模型在布满随机障碍物环境中行进时所展现的复杂行为特征。

此外，本研究通过计算空间熵与行为熵，对各模型所表现出的自适应行为程度进行了量化。这种对熵的创新性应用，为刻画不同类型集群的涌现行为与稳定性提供了定量依据。其中，集群模型取得了最高的任务成功率，在所有威胁等级下均表现出鲁棒性，但对任务所需无人机数量的增加较为敏感；领导-跟随者模型在高威胁密度环境中面临挑战，但在任务要求更高无人机数量时成功率有所提升；简化的共识响应模型表现欠佳，且信息素挥发率对其性能影响甚微。通过整合统计分析与基于熵的度量指标，本研究构建了一个可复用的ABMS框架，用于分析集群性能，支持基于场景的决策制定与系统优化。研究成果深化了对集群行为机理的理解，丰富了集群智能领域的知识体系，并为无人机集群系统的设计与部署提供了切实可行的实践路径。

后续章节安排如下：第二章梳理相关研究，回顾集群的本质特征及其在物理系统中的潜在应用；探讨基于Reynolds类鸟对象模型与Bruckstein蚁群理论的数学原理，以解析无人机集群的集体行为；并阐述验证与确认模型及ABMS仿真构建的方法论。第三章阐述研究与实验方法论。第四章详细讨论基于概览、设计概念与细节（ODD）协议的模型开发过程，并探讨为确保实验完整性所必需的模型验证框架。第五章展示仿真事件的分析数据与结果解读。第六章则提出对当前基线实验设置的改进方案，以支持该领域研究的持续与拓展。第七章总结全文并得出结论。文末附有参考文献。附录A呈现基于NetLogo平台编写的程序代码；附录B概述NetLogo代码的功能模块，描述模型执行的具体操作；附录C为本研究分析环节所使用的R语言程序文件；附录D列举了数值分析与熵计算的代表性输出文件。