尽管技术取得了显著进步，但战争迷雾——即战场上的不确定性与信息不完整——持续对军事行动构成挑战。由于缺乏定量支持工具，在此类条件下进行有效决策仍是一个关键问题。本论文通过将军事人工智能整合到由海军研究生院开发的、被称为“阿特拉托”平台的六边形战场模拟环境中，来应对这一不足。本研究的重点是开发与评估多种人工智能算法，包括脚本式人工智能、分层与非分层模型以及强化学习模型。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，人工智能模型在战争迷雾中定位与跟踪敌方位置的精度及作战效率方面展现出显著优势，可为指挥官决策提供支持。此外，本研究所获洞见不仅有助于优化战争迷雾场景下的行动方案决策，还在反潜战与海上搜救行动中具有实际应用价值。本论文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。

尽管“战争迷雾”问题已在游戏产业等多个商业领域得到研究，但其在军事领域内的探索相对有限。因此，本研究旨在为最大程度地减少军事领域的“战争迷雾”做出显著贡献，主要是辅助指挥官做出明智决策。再者，在应用人工智能、自动化行动方案开发与评估方面，本研究为发展快速的机器辅助决策及人机组队提供了贡献，正如“2035年战争特性研讨会”中所讨论的那样。

为拓宽视角，本文采用“战争迷雾”这一概念来描述情报仅限于目标位置的状态。此场景与海军反潜战及海上搜救行动中普遍存在的基本条件极为相似。因此，本研究成果可应用于多种具有相似条件的场景，包括海军行动、反潜作战及海上失踪人员搜救。

本论文共分为五章。第一章介绍研究主题与总体范围。第二章“背景与文献综述”阐述了本研究相关的关键概念，如模拟、兵棋推演、认知行为人工智能及强化学习基础，并说明了它们如何应用于本研究中。第三章“方法论”详细说明了研究中所用代码的结构、其实现方式以及所进行的实验。随后，第四章“场景与结果”重点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，总结了本研究的主要发现，并概述了该领域未来研究的潜在方向。