为解决空域日益拥堵、空中交通流量日益增加等问题,美国联邦航空管理局提出了自由飞行的概念。伴随该概念的提出,空中交通管制问题变得尤为复杂。随着我国民用航空运输事业的蓬勃发展及民航运输需求日益增加,为保证自由飞行条件下飞行器的安全,进行飞行冲突解脱策略的研究显得十分重要。现有飞行冲突解脱方法包括最优控制类冲突解脱方法、概率类冲突解脱方法以及数学规划类冲突解脱方法,这些传统冲突解脱方法存在着效率较低、计算量过大、实时性较差等问题。针对上述问题,本文利用深度强化学习在解决序贯决策问题上的优势,将深度强化学习与飞行冲突解脱任务相结合,提出基于深度强化学习的飞行冲突解脱方法。本文主要研究内容如下:（1）针对传统冲突解脱方法效率较低、计算量过大等问题,再结合多架飞行器进行冲突解脱时具有的连续状态空间和连续动作空间特点,分别将深度强化学习算法DDPG（Deep Deterministic Policy Gradient）与SAC（Soft Actor-Critic）应用于一次航向偏转飞行冲突解脱任务中,并进行仿真实验。通过分析飞行器飞行过程中的几何构型,搭建本文实验所需仿真环境,并结合一次航向偏转的飞行冲突解脱任务特点,设计空域外飞机的状态空间、动作空间以及考虑航向偏转的奖励函数。为解决DDPG算法在仿真实验中收敛速度较慢的问题,本文从采样策略出发,将传统DDPG算法与优先经验回放的采样方式相结合,提出改进DDPG算法,以提升收敛速度。实验结果表明,相较于DDPG算法,改进DDPG算法的收敛速度更快。同时,比较改进DDPG算法和SAC算法在一次航向偏转飞行冲突解脱任务中的优劣,结果表明,二者的偏转角度和解脱时间均表现优异。最后,将改进DDPG算法与基于混合整数线性规划（Mixed-integer Linear Programming,MILP）的传统飞行冲突解脱算法进行对比,结果表明,改进DDPG算法与MILP算法偏转度数均较小,且改进DDPG算法的解脱时间更少。（2）为进一步优化飞行冲突解脱轨迹,将一次航向偏转的飞行冲突解脱策略拓展至多次航向偏转。本文分别将改进DDPG算法和SAC算法应用于多次航向偏转飞行冲突解脱任务中,并进行仿真实验。首先,考虑多次航向偏转冲突解脱任务的特点,设计了新的状态空间和动作空间,具体来讲,在状态空间中增添了飞行器坐标,在动作空间中增添飞机在空域内的航向角偏转约束。其次,根据多次航向偏转冲突解脱任务的要求,从航向角偏转度数和距目的地之间的距离这两个维度设计奖励重塑函数,将其与稀疏奖励方式设计奖励函数进行对比,分析二者在训练结果和训练效率上的差异,总结了多次航向偏转飞行冲突解脱任务中奖励函数设计思路,提升算法的训练效率和解脱轨迹质量。接着,通过对比不同取值的学习率在训练结果和训练效率上的不同,确定该解脱任务中SAC算法学习率取值。最后,将改进DDPG算法与SAC算法的仿真实验结果进行对比,结果表明,两种算法均能有效进行冲突解脱,改进DDPG算法具有更小的偏转角度和更少的解脱时间,SAC算法具有更好的稳定性以及较短的解脱轨迹。