战场空间推理是计算机生成兵力(CGF,Computer Generated Forces)行为建模的一个重要的研究内容,在很多行为模型的实现中都包含了执行主体对战场空间认知过程的模拟,因此研究如何让CGF的空间推理行为真实可信具有重要意义。目前在游戏人工智能(Game AI)和CGF行为建模领域被广泛使用的空间表示及推理模型在逼真度和算法效率方面难以满足未来作战仿真系统建设的需要,其主要原因在于缺乏抽象层的空间信息表示及推理方法,单纯的采用纯量化方法导致CGF不能有效的执行基于逻辑的空间推理,这使得人机交互、分层规划、大地型推理等功能需求难以得到满足。针对上述问题,论文以作战仿真系统中的人类行为建模为研究背景,以构建反映人类空间认知规律的行为模型为目标,开展面向CGF的战场空间表示及推理关键技术研究。论文首先对本课题研究的背景、意义、以及应用前景进行了论述,在充分掌握国内外研究现状的基础之上,详细分析了已有方法和研究的不足,而后针对性的提出了论文研究的主要内容并概括了主要创新点。论文研究的第一个大问题是战场空间拓扑结构的表示与推理方法。战术路径规划是CGF执行较为频繁、占用资源较多的空间推理任务之一。现有的规划模型多以均匀或非均匀网格为搜索空间,此类模型缺乏对空间拓扑结构的抽象描述,因此不能提供稀疏的骨架结构以帮助CGF提高规划效率。为此,论文引入了机器人导航领域广泛使用的通用Voronoi图(GVD,Generalized Voronoi Diagram)作为战场空间拓扑结构的表示模型,尝试利用其结构优势模拟实现高效逼真的战术路径规划行为。在拓扑结构分析方面,论文提出了“动态拓扑提取器”(DTD,Dynamic Topology Detector)算法,与已有算法不同,DTD不仅能够在动态环境下快速提取或修复战场空间的GVD,还能进一步分析并记录GVD要素之间的空间关系,这些重要信息是实现分层路径规划的基础。为了满足多分辨率规划和并行计算的需要,论文进一步对DTD算法做了改进,引入无指针型四叉树作为算法数据的存储格式,使算法结果能够通过分层近似为CGF提供不同分辨率层次的搜索空间。在拓扑结构的信息的应用方面,论文提出了基于GVD的抽象层离线路径规划方法。与传统的离线路径规划不同,论文充分考虑了战场空间环境要素对决策过程的影响,建立了加入环境评估的、基于有限状态机(FSM)的局部在线规划模型,使得算法在计算效率和动态适应性两个方面得到明显提升。论文研究的第二个大问题是空间对象二元关系的描述与推理,该问题是模拟实现CGF需要模拟实现的另一个重要行为——战术位置选择(TPS,Tactical Position Selection)的理论基础。论文对TPS的研究主要分为两个方面,首先研究TPS问题的形式化描述方法,之后进一步研究TPS问题的求解策略。现有TPS形式化方法不考虑空间关系的动态变化,由此导致CGF频繁的重规划而使的解的鲁棒性不能满足要求。针对这一问题,论文结合动态约束满足和加权约束满足两种形式化方法,给出了空间关系变化的量化评估方法,进而提出动态TPS问题的形式化流程,最终将TPS问题转化为权重约束满足问题(WCSP,Weighted Constraint Satisfaction Problem),保持了问题描述的一致性。在问题求解策略方面,论文通过引入分支定界(B&B,Branch and Bound)策略给出了基于深度优先策略的TPS问题求解算法。针对WCSP本质上属于NP难题的特点,论文重点研究了如何在TPS应用中提升算法执行效率的方法,主要包括:1)如何优化算法数据结构;2)如何确定变量赋值顺序;3)如何问题进行预处理以压缩搜索空间。论文最后对研究工作进行了总结,并对未来的研究方向和需要关注的问题作了展望。