在美国海军及其盟国海洋行动中，最重要的是在海军交战中制定有效的战略。尽管人们寄予厚望，但诸如 "约翰-麦凯恩 "号和 "菲茨杰拉德 "号这样的事例表明，在每一次互动中确定有利的行动都具有挑战性。本研究利用机器学习（ML）和人工智能（AI）的进步，开发了一个基于模拟的程序，将强化学习（RL）应用于海军场景。该程序是对现有陆基兵棋推演模拟程序 Atlatl 的改编，旨在识别六种场景中己方兵力的高效行动。对深度 Q 网络（DQN）、蒙特卡洛树搜索（MCTS）和 AlphaStar 人工智能体在不同场景中的表现进行评估后发现，DQN 和 MCTS 能够识别出更优越的策略，其中 DQN 一直表现出较高的得分，在某些场景中甚至超过了人类玩家。AlphaStar 显示出的结果较少，但提供了如何改变它以在未来取得更好结果的见解。这些发现强调了人工智能作为海军作战决策辅助工具的潜力，有助于增强美国海军的决策能力。建议今后开展研究，进一步挖掘这一潜力。