在行动方案（COA）制定过程中，军事规划人员面临着越来越多的限制、障碍和优先级调整。这种上升趋势给决策者带来了更大的认知工作量，使他们的工作变得更加复杂。目前，武装部队正在努力通过开发协助计划人员进行 COA 决策的系统来减轻工作量。我进行了一项实验，在多目标规划和资产路由工具（TMPLAR）框架内评估了三种不同的路线选择策略，通过使用路线过滤（通过滑块）和聚类（通过散点收集）来帮助决策者选择高效用路线，同时减少路线选择延迟和相关工作量。研究参与者在一个类似游戏的场景驱动型计算机应用中进行了多层次的 COA 规划。研究结果表明，与其他两种策略相比，通过滑块配置工具进行筛选将有助于用户选择更能反映指挥官意图的路线。此外，这项研究还提供了使用 TMPLAR 的可用性和感知工作量方面的反馈。这项研究旨在提高我们对军事决策的理解，以帮助军事领导人使用优化器的监督控制来实现准确、高效的路线规划。