针对日益增长的无人机集群威胁，传统防空方法在应对高机动、低慢小目标时面临决策滞后的挑战。本文提出一种基于多智能体深度强化学习（MADRL）的高炮防空协同反制算法。该方法将多门高炮构建为分布式智能体，通过集中训练-分散执行的框架，使其在共享战场态势信息的基础上，学习协同火力分配、目标交接与射击诸元优化的策略。算法利用深度确定性策略梯度（DDPG）或近端策略优化（PPO）等机制，使智能体集群能在动态对抗环境中自适应调整战术，有效提升对无人机饱和攻击的拦截效率与系统生存能力。仿真结果表明，该算法在应对多批次、不规则突防的无人机群时，显著优于基于规则的固定策略。
