机器博弈是人工智能领域中热门并具有挑战性的研究方向,而机器学习是常用的研究方法。应用机器学习的方法,从棋类对弈中发掘出未知的领域知识,是机器博弈的研究热点,具有重要的理论及应用价值。本文利用多层随机赋权网络,研究了中国象棋局面的形势判断问题。多层随机赋权网络是一种多隐藏层的前馈神经网络,该网络由两部分组成:由自动编码器构成的无监督特征提取器和有监督的随机赋权网络分类器。本文的主要贡献包括3个方面:（1）提出了一种从中国象棋局面中提取特征的方法,该方法具有较好的表示能力。利用提取的特征,可以有效地判断象棋局势;（2）提出了一种应用多层随机赋权网络对中国象棋的残局进行局势判断的方法,并实验比较了应用多层随机赋权网络与简单随机赋权网络进行局势判断的准确率。得出了结论:多层随机赋权网络可以有效解决中国象棋的局势判断问题,并且局势判断的准确率高于简单的随机赋权网络;（3）提出了一种利用L_1/2正则化对多层随机赋权网络的特征提取器进行改进的方法,并利用提出的方法对中国象棋的中局进行局势判断,与没有L_1/2正则化的原模型相比,提取的特征更有代表性,对中国象棋进行局势判断的准确率更高。