针对作战方案生成与评估中传统复杂网络方法难以描述指挥控制层级结构、方案搜索效率低下的问题，本文提出一种基于生成对抗网络（Generative Adversarial Network,GAN）与贝叶斯优化(Bayesian Optimization,BO)的作战方案生成与评估方法。首先，针对作战指挥控制体系的层级特征，提出网状树形网络建模方法，通过定义节点的约束规则，实现指挥控制关系的精确表达。其次，融合节点类型权重、度中心性和介数中心性，构建多维度节点重要度评估模型，为关键节点识别提供量化依据。再次，基于复杂网络理论，提出多惩罚因子通信效率评估模型，综合考虑路径效率、拥塞程度和结构完整性。在此基础上，设计基于复杂网络的战斗仿真引擎，建模节点运动、探测、攻击和指挥控制等要素，实现作战过程的OODA环流程，并提出六层分级胜负判定机制。然后，利用GAN生成多样化候选方案，结合贝叶斯优化高效采样，构建GAN-BO协同优化框架。最后，通过实验验证本文方法的有效性，为作战方案智能生成与评估提供了新的技术途径。

GAN,贝叶斯优化,复杂网络,作战方案,战斗仿真