Basado en las ecuaciones dinámicas de vuelo de casi seis grados de libertad, considerando los cambios en el ángulo de elevación causados por un aumento en el ángulo de inclinación durante giros de maniobra, lo que lleva a un aumento en la sección transversal de radar. Se construyó un modelo computacional para la probabilidad de detección de radar de aeronaves en entornos complejos. Al considerar de manera integral parámetros de vuelo como el ángulo de giro, el ángulo de inclinación, el número de Mach y el factor de potencia del radar, este estudio analizó cuantitativamente la influencia de estos factores en la probabilidad de detección de radar. Reveló los patrones de variación de la probabilidad de detección de radar bajo diferentes condiciones de vuelo. Los resultados proporcionan apoyo teórico para el Radio de Valle de Radar y el Método de Maniobra de Giro (RVR-TM) basado en árboles de decisión, y sientan las bases para el desarrollo de modelos de toma de decisiones inteligentes posteriores. Para optimizar aún más la selección de trayectorias de aeronaves en entornos complejos, este estudio combina el análisis teórico con algoritmos de aprendizaje por refuerzo para establecer un modelo de toma de decisiones inteligentes. Este modelo se entrena utilizando el algoritmo de Optimización de Política Proximal (PPO), y a través de la definición precisa del espacio de estados y las funciones de recompensa, logra una planificación de trayectorias inteligentes para aeronaves sigilosas en escenarios de amenaza de radar.