机器博弈是人工智能的一个重要领域,以其挑战性和重要性吸引了众多研究者的目光。机器博弈即用计算机解决博弈问题。博弈问题可以根据参与者能够获取博弈信息的程度分为完备信息博弈和非完备信息博弈。在我们现实生活中,大多数决策问题都可以抽象为非完备信息博弈问题,例如金融竞争、交通疏导、网络安全和军事安全等,研究非完备信息博弈有重要的现实意义。非完备信息博弈最大特征是信息的隐藏性,这就增加了求解最优策略的复杂程度。本文选择麻将游戏作为研究对象,麻将游戏具有非完备信息性、多人博弈、状态空间和动作空间巨大以及不确定性等特点,是一个很有挑战性和代表性的非完备信息博弈游戏,而且麻将游戏的随机性很强,相比于其他棋牌游戏来说更加贴近生活中的博弈问题。以往的麻将程序主要是基于Expectimax搜索算法进行设计,利用博弈论的方法进行研究和改进,多依赖于人工先验知识,存在很大限制性。本文结合深度强化学习技术和MCTS算法对Expectimax搜索算法进行改进和优化。针对传统Expectimax搜索算法存在的问题,本文对其进行了三个方面的改进:本文将MCTS算法与Expectimax搜索算法进行结合,改进其扩展方式和剪枝策略。本文对MCTS算法的选择、扩展、模拟、反向传播过程进行改进,并将其应用于Expectimax搜索算法中,利用MCTS的特性,减少博弈树分支个数,同时使博弈树动态扩展,减少算法耗时的同时提高算法的性能。本文利用深度强化学习技术,将Double DQN算法和Prioritized Experience Replay DQN算法进行灵活结合,作为估值网络替换Expectimax搜索算法的估值函数,使其摆脱人工先验知识的限制,有更强的学习能力和更大的提升空间。本文在上述改进算法的基础上,结合其独特的博弈树特征,提出了一种新的麻将吃碰杠决策算法,灵活利用博弈树原有数据,比其他评估方式更加合理,与出牌决策算法结合,提升了算法整体的决策能力和智能水平。最后本文将改进后的算法应用到麻将游戏中,基于RLCard平台实现了麻将智能博弈系统。与其他的算法进行对比实验,本文的算法在训练效率和决策能力上都有一定的改进效果。本文基于麻将游戏研究实现高效的多人非完备信息机器博弈优化算法,一方面可以为非完备信息博弈问题的研究提供一些新的思路和探索方向,另一方面可以为实际的麻将博弈系统提供一些优化方向和改进方法。