随着全球经济、社会生活的快速变革,各类突发事件频繁发生。其中,暴力恐怖和疫情传播等群体性突发事件的发生率在全球范围内快速上升,对国家经济发展、社会和谐稳定、人民生命健康等多方面都造成了严重的影响。针对这些问题,本文提出了两种群体行为仿真模型,分别是群体对抗行为仿真模型和群体行为管控仿真模型,尝试解决暴力恐怖和疫情传播这两类具有相似性的突发事件。通过人群仿真深入研究突发事件下的群体行为,对其进行管控推演分析,能够为制订群体性突发事件的解决方案提供理论支撑和决策依据,有助于快速平息突发事件,维护社会和谐。针对群体对抗行为,本文以突发群体暴乱事件为例,提出一种融合情绪感染和深度强化学习的群体对抗行为仿真模型。首先,该工作充分考虑情绪对群体行为的影响,基于改进的SIS模型（Susceptible Infected Susceptible）,结合具体作战情况建立情绪感染模型,计算作战个体的情绪;然后,结合深度强化学习和平均场理论构建网络,让Agent高效自主地学习作战行为;最后,根据智能体情绪分析学习的行为是否合理,按照不同情绪下的行为规则确定智能体最终的作战行为。实验证明,该方法有助于研究暴乱事件下作战群体的对抗性行为,能够为正方制订真实合理的作战方案,提高其作战获胜率。针对群体行为管控,本文以突发疫情期间,高校复学后可能由传染性病毒引起的校内疫情事件为例,提出一种面向封闭环境、人群频繁接触、流动性强的校园群体行为管控仿真模型。以2019年发生的新冠肺炎疫情为背景,郑州大学为仿真场景:首先,对场景和个体进行建模,基于社会力仿真高校群体日常运动行为;然后,构建基于Agent病毒感染模型,考虑个体间的异质性以及病毒在高校内的传播特点,从微观的角度仿真高校群体感染病毒的情况;最后,根据仿真结果构建群体行为管控模型,制订分批出行、错峰出行、强制隔离等管控措施,规划群体的运动行为。实验证明,该方法有助于研究病毒在半封闭区域、高密度人群间的传播规律,提出的群体行为管控措施能够降低校内病毒感染率。本文提出的方法充分考虑了影响突发事件发展和群体运动行为的关键因素,例如群体情绪,传染性病毒等。实验结果表明,分析这些因素在群体间的传播机制,建立准确适用的感染模型,有助于研究突发事件下的群体行为,制订实用合理的应对方案,达到保护人员安全、减少资源消耗、维护社会稳定的目标。