现代战争是高科技战争，高技术装备的应用使情报侦察、信息搜集等工作变得更加便捷、高效，但同时也生成了大量关于战场信息的数据。指挥决策人员往往需要从海量的数据当中筛选有用的信息，不利于对处于不断变化中的战场态势作出快速的反应。此外，现代战争具有高度的不确定性，制定军事作战行动过程方案（Course of action, COA）时，必须考虑可能对行动过程方案执行结果产生影响的因素。利用计算机辅助指挥决策人员制定军事作战行动过程方案是解决上述问题的有效手段之一。现有的精确军事作战行动过程方案生成算法计算时间普遍较长，而大多数智能算法或启发式算法又不能保证令生成的军事作战行动过程方案满足所有给定的约束条件。本文针对上述存在的问题，重点研究了不确定因素影响下军事作战行动过程方案的生成与优化方法。具体而言，论文的主要工作与创新点包括：（1）鲁棒性军事行动过程方案生成流程本文明确了鲁棒性军事行动过程方案的生成流程。明确方案生成流程是设计高效方案生成方法的基础，本文首先定义了不确定因素影响下行动过程方案生成问题的相关基本概念：实体状态表示战场中与行动相关元素所处的状态；过程状态表示特定时刻所有实体状态的合集；军事行动是指己方可采取的军事活动；军事执行资源是指负责实施军事行动的作战单元；军事行动过程方案是指对己方采取的多个军事行动间的执行顺序的描述以及对执行资源与军事行动间匹配关系的描述；敌对行动是指在行动过程方案被执行的过程中敌方可能采取的军事活动。本文进一步分析了影响行动过程方案执行的不确定因素，定义了行动过程方案的鲁棒性、鲁棒性行动过程方案以及鲁棒性行动过程方案生成问题。为了更有效地研究军事行动过程方案生成问题，本文设计了军事行动过程方案的生成流程，该流程主要包含三个部分：军事行动过程方案的鲁棒性度量、军事行动方案生成与优化和军事资源匹配方案生成与优化。（2）军事行动过程方案的鲁棒性度量本文设计了军事行动过程方案的鲁棒性度量方法。一个客观的鲁棒性度量方法对于军事行动过程方案的评估与选择是非常重要的，本文首先给出了军事行动过程方案的推演步骤，并以推演结果为基础提出了一种军事行动过程方案的鲁棒性度量方法。根据鲁棒性度量范围的不同，本文将行动过程方案的鲁棒性分为全局鲁棒性和局部鲁棒性，其中全局鲁棒性用来对比分析多个行动过程方案鲁棒性的优劣，目的是根据鲁棒性程度选择合适的行动过程方案；而局部鲁棒性则用来分析不确定因素对特定行动过程方案的影响，目的是根据分析结果有针对性地修订该行动过程方案，提高其鲁棒性。本文进一步明确了提高行动过程方案鲁棒性的具体途径，并给出了提高行动过程方案鲁棒性的代价计算方法。（3）基于鲁棒性的军事行动方案生成与优化本文从鲁棒性的角度设计了军事行动方案的生成与优化方法。本文首先设计了初始行动方案生成算法（PIPE算法），并分析了算法具备的性质。本文进一步设计了序列行动方案的并行化算法（PARA算法），用以去除序列行动方案中不必要的执行顺序关系，提高对应行动过程方案的执行效率。根据行动过程方案鲁棒性优化途径，本文设计了行动过程方案修订算法（REPA算法）。本文以多军兵种联合登陆案例想定为例说明了各算法的具体流程，并实验验证了各算法的有效性。实验的结果表明，PIPE算法具有出色的计算效率和良好的可扩展性；PARA算法能够有效并行化序列行动过程方案；REPA算法则能够有效地修订行动方案，提高对应行动过程方案的鲁棒性。（4）基于鲁棒性的资源匹配方案的生成与优化本文从鲁棒性的角度设计了资源匹配方案的生成与优化方法。本文首先引入资源匹配冲突的概念表示资源匹配关系不满足约束条件的情况，并以有向图的方式直观表示给定行动方案中所有潜在的资源匹配冲突，在此基础上设计了资源匹配冲突图的生成算法。本文根据对初始资源匹配方案生成问题复杂度的分析结果，设计了初始资源匹配方案生成算法（CBRL算法）。针对给定的行动方案，CBRL算法以增加军事行动间的执行顺序关系为代价保证获取最优执行代价的资源匹配方案。本文证明了资源匹配方案修订问题的复杂度是NP的，并以此为依据设计了相应的近似优化算法（K-Greedy算法）。K-Greedy算法的输入是一系列局部行动方案，针对每个局部行动方案，算法逐一计算对应的局部资源匹配方案，并最终通过整合各局部资源匹配方案得到整体的资源匹配方案。本文以多军兵种联合登陆案例想定说明了资源匹配冲突图生成算法、初始资源匹配方案生成算法和资源匹配方案修订算法的具体流程，并给出了实验验证。实验结果表明，各算法具有出色的计算效率和有良好的可扩展性。