无人集群已经广泛渗透并深刻影响到了现代社会的各个领域。在任务执行过程中，无人集群可能面临多种干扰和破坏，这会影响集群的正常运行及任务的高效完成。开展集群鲁棒性评估的研究，对于提升集群在动态环境下的行为协同稳定性与任务完成高效性，具有重要的理论意义与应用价值。本文以无人机集群协同感知为应用场景，根据场景任务中的协同行为特性，采用鹰鸽演化博弈建模集群协同过程，从集群属性、环境属性和任务效果三个维度构建无人机集群鲁棒性指标集，提出了鲁棒性量化指标，分析了集群在不同攻击场景下的鲁棒性。最后，将沙普利加和解释（SHapley Additive exPlain, SHAP）与极端梯度提升树（eXtreme Gradient Boosting, XGBoost）模型相结合，构建具有可解释性的鲁棒性智能量化评估模型。实验结果表明，本文提出的鲁棒性评估方法具有良好的可行性和有效性，提升了评估模型的透明度，能够为无人集群优化设计提供有效反馈。
