随着计算机生成兵力(Computer Generated Forces,CGF)在军用仿真领域应用的不断推广,对CGF中智能主体的行为建模已成为作战仿真人员研究的重点和难点。在分队战场中,路径规划作为CGF中众多高层智能行为的执行前提,是表现智能体行为模型真实与否的基础。传统的分队战术路径规划对战场环境态势和战术要求的考虑不足,导致规划结果缺乏真实性,充分考虑分队战场中环境态势和战术规则对路径选择的影响,能够有效提高CGF路径规划的智能性和真实性。对CGF路径规划问题进行准确的描述与建模是分队战术CGF路径规划研究的前提。基于Agent的结构思想,论文首先提出分队战术CGF路径规划框架。进而依据此框架对分队战场进行环境建模,重点采用势场法和概率威胁地图方法构建分队战场的威胁态势模型。再通过对战术路径规划所关注的路径长度和安全性指标进行建模,将路径规划问题描述为优化搜索问题。根据Agent对环境信息获取程度的差异,需要研究局部环境和全局环境下的分队战术路径搜索算法。在基于人工势场法的分队战术局部路径规划中,针对传统人工势场法的局部极小问题,通过设置角度条件和引入记忆路线的检测,改进原有的沿墙壁走脱离方法,以使其适应具有凹形障碍物的复杂环境;针对将人工势场法应用于分队战术路径规划,将传统的障碍物势场同基于势场法的威胁势场相结合,提出综合考虑威胁态势的改进人工势场法,使其满足威胁态势和战术规则的要求。在基于粒子群算法的分队战术全局路径规划中,为了使搜索空间能尽可能覆盖可被利用的障碍物路点,设计了自适应非均匀矢径的极坐标建模方法。借鉴重力搜索的思想,将粒子的适应值信息定量引入到速度更新公式中,并采用引入约束支配关系的指标评价方法,以加快搜索的速度和精度。最后采用综合考虑地形通行性、隐蔽性和障碍物利用对威胁影响的路径代价指标引导搜索,使规划结果更符合威胁环境态势和战术规则的要求。仿真实验表明,改进的人工势场法能够有效解决各种环境下的局部极小问题,在分队局部战场环境中,路径规划结果能够满足躲避威胁、利用障碍物的战术要求。基于粒子群的分队战术路径规划方法,能够有效反映地形、态势等对路径规划的影响,规划出综合考虑环境和威胁态势的安全较短路径。