在分布式海上作战中操作无人水面艇（USV）编队，会使这些编队暴露于动态威胁之下，尤其是来自敌方空中资产的威胁。本文探讨了利用人工势场（APFs）来引导自主行为，旨在提升编队对抗此类动态威胁的生存能力。为量化这些行为的战术与后勤权衡，本研究开发了战术响应与自主防御交战模拟器（TRADES）。TRADES架构利用人工势场来控制分散式队形保持、威胁拦截和编队规避，并集成了目标运动分析与针对伴随防空（AA）护航的随机战斗建模。通过跨越六种不同战术场景的984次蒙特卡洛模拟迭代，该研究评估了包括威胁暴露时间、燃料消耗和航渡时间在内的指标。这些分数通过多属性效用理论结合，以计算统一的任务有效性得分。定量分析表明，纯排斥行为对暴露时间影响甚微；然而，当允许防空资产与规避中的编队解耦并冲刺至拦截点时，编队的生存能力受到积极影响。TRADES架构发布于：https://gitlab.nps.edu/CAVR/evan_apf_thesis。

本文提供了一个可量化的框架，用于评估自主行为的数学权衡。通过建立严格的运动学边界并应用加权效用模型，本研究为未来无人水面艇编队如何在争议性海上环境中可靠作战提供了战术见解。本论文的其余部分组织如下：第2章确立研究的理论基础，回顾关于人工势场控制技术、随机战斗建模和多属性效用理论的现有文献。本章指出了当前研究在将人工势场逻辑应用于无人水面艇作战动态自主控制方面的关键空白。第3章详述模拟架构的方法论与构建，该架构在此称为战术响应与自主防御交战模拟器（TRADES）。TRADES是一个定制构建的模拟架构，其以数学方式定义环境、燃料消耗模型、人工势场控制器以及用于评估实验行为的战斗建模逻辑。第4章呈现来自TRADES模拟的定量数据。本章建立被动航渡的基线指标，并分离出完全自主实验行为的具体空间、后勤和战斗遥测结果。第5章分析聚合的模拟数据，以揭示人工势场规避固有的脆弱性与优势。随后，其应用多属性用户理论（MAUT）框架，在四种不同的指挥官意图剖面下计算任务有效性得分（MES），最后给出关于自主防御资产运用的明确战术建议。第6章总结论文的总体学术与架构贡献，并指出未来研究的关键途径。