En este artículo, adoptamos los algoritmos de aprendizaje de actor-crítico difuso (FACL) y control predictivo de modelo (MPC) para resolver el juego de persecución-esquiva (PEG) de los quadrotors. FACL se utiliza para la percepción, la toma de decisiones y la predicción de las trayectorias de los agentes, mientras que MPC se utiliza para abordar el control de vuelo y la optimización de objetivos de los quadrotors. Específicamente, basado en la información del oponente, el agente obtiene su propia estrategia de juego utilizando el algoritmo FACL. Basado en la entrada de referencia del algoritmo FACL, se utiliza el algoritmo MPC para desarrollar controladores de altitud, traducción y actitud para el quadrotor. En el marco jerárquico propuesto, el algoritmo FACL proporciona entradas de referencia en tiempo real para el controlador MPC, mejorando la robustez del control del quadrotor. Los resultados de simulación y experimentales muestran que el algoritmo de control jerárquico propuesto realiza efectivamente el PEG de los quadrotors.