计算机博弈是人工智能研究中的子领域。许多学者都曾致力于棋牌类游戏的博弈智能研究工作。游戏,就是按照一套规则进行的活动,游戏中玩家较量技巧与智慧来获得最优的奖励。因此,游戏是优秀的人工智能研究实际场景,也被学者称之为研究人工智能的果蝇。人工智能研究通过研究游戏各方的对弈活动,达到研究新算法、验证新算法的目标。另一方面,互联网的普及应用,极大推动了线上游戏产业的发展,人类在线上游戏中实时的、个性化的游戏需求激增,催生了游戏机器人技术,从而给计算机博弈研究带来巨大的商业价值。德州扑克是一种两人或多人牌类游戏,属于不完美信息博弈,即博弈各方不能完全知晓其他各方的全部信息。德州扑克各个玩家的手牌和动作的状态多样性,使其博弈空间巨大,博弈求解过程中搜索路径繁多,寻找最优解非常困难。论文以两人非限制性德州扑克为研究对象,目标是构建一个具有实力的小型德州扑克智能体,为智能体构造对手模型,以提高收益能力。论文的主要工作包括三个方面:（1）针对德州扑克传统评估方法面临的空间复杂度高问题,提出一种新的评估方法,利用大量位运算计算特征值来判断牌型,在此基础上使用线性规划来计算近似牌力值,能快速完成评估牌力,为后续工作奠定基础。（2）针对传统策略求解算法难以在线实时求解问题,构造缩小状态空间的状态抽象与动作抽象算法,该算法在博弈不同阶段,动态调整抽象的精度。提出改进的反事实遗憾值最小化算法,将游戏分解为更小的子游戏,通过限制搜索深度方式,在博弈规则允许的时间范围内,使得智能体可在线求解近似的纳什均衡策略。（3）针对单一智能体不能有效利用对手弱点并实现效益最大化的问题,建立对手模型,以此辅助决策。具体来讲,是通过统计对手出牌历史信息,生成对手行为模式树,以此发现、分析对手的策略偏向,并产生对策和自适应方案,以此提高了智能体的收益能力和稳定性。为验证本课题算法有效性,设计一个德州扑克智能体博弈系统。实验证明论文提出的评估方法可高效率计算近似有效牌力值,近似均衡策略表现稳定,对手模型可以有效针对较弱的对手提高收益。该系统参加了2020年中国计算机博弈大赛并获得一等奖,证明研究成果有效、智能体具有一定实力。