Para abordar problemas como la insuficiente robustez en la evitación de obstáculos dinámicos, la inestabilidad en la morfología de la formación, los graves conflictos de recursos en escenarios de múltiples tareas y los desafíos en la optimización de la planificación de rutas globales para vehículos aéreos no tripulados (VANT) que operan en entornos de espacio aéreo complejos, este documento examina las ventajas y limitaciones de las teorías convencionales de control cooperativo de formaciones de VANT. Se propone una estrategia de control cooperativo multi-VANT, integrando teoría de juegos adaptativa y aprendizaje profundo por refuerzo dentro de un marco unificado. Al emplear una arquitectura de fusión de información de tres capas, que comprende la capa física, la capa de intención y la capa teórica de juegos, el enfoque establece modelos para la fusión de percepción multimodal, la evaluación de amenazas teóricas de juegos y la agregación-reconstrucción dinámica. Esto optimiza los algoritmos de evitación de obstáculos, facilita la interacción y el acoplamiento de tareas entre los miembros de la formación, y mejora significativamente la inteligencia, la resiliencia y la coordinación del control cooperativo a nivel de formación. La solución propuesta aborda eficazmente los desafíos asociados con el control cooperativo de formaciones de VANT en entornos de tráfico complejos.