尽管技术已取得显著进步，但战争迷雾——即战场上的不确定性与信息不完整——仍然持续对军事行动构成挑战。由于缺乏量化支持工具，在此类条件下的有效决策依然是一个关键问题。本论文通过将军事人工智能（AI）整合至被称为“阿特拉特尔”（Atlatl）平台的六边形战场仿真环境（由美海军研究生院开发），致力于弥补这一空白。本研究重点在于开发和评估多种AI算法，包括脚本化AI、分层与非分层架构，以及强化学习（RL）模型。这些模型利用概率分布来增强战争迷雾场景下的导航与战略规划能力。通过模拟大量战斗迭代，AI模型在战争迷雾中定位和跟踪敌方位置的精度与作战效率方面，展现出显著优势，这有助于指挥官的决策。此外，本研究所获得的见解不仅有助于完善战争迷雾场景中的行动方案（COA）决策，而且在反潜作战（ASW）和海上搜救（SAR）行动中具有实际应用价值。本论文着重强调了运用结合概率分布的人工智能来支持决策的有效性。

本论文共分为五章。第一章介绍研究的主题与总体范围。第二章“背景与文献综述”，阐释了本研究至关重要的概念，如仿真、兵棋推演、认知行为人工智能、强化学习（RL）基础，以及这些概念在研究中如何应用。第三章“方法论”，详细阐述了研究中使用的代码结构、其实现方式以及进行的实验。随后，第四章“场景与结果”着重呈现这些实验的结果并讨论其性能表现。第五章“结论与未来工作”，回顾了第四章的讨论，总结了本研究的关键发现，并展望了该领域未来潜在的研究方向。