非完美信息的序贯同步博弈是人工智能领域中的一个代表性课题。序贯同步博弈中的同步决策导致对手信息缺失、状态空间大、收益不确定等问题,现有的机器博弈技术在这些问题的解决上仍有很大的缺陷,无法满足实际运用的需求。特别是对于大规模动作空间的序贯同步博弈问题,采用组合动作来模拟同步决策的方式并不适用。本文对机器博弈的相关技术和理论进行了分析,针对特殊的序贯同步博弈问题,选用同步决策蒙特卡洛搜索方法对博弈树的结构进行变换,再结合双博弈树的结构,改变博弈树的搜索方式来适应双树结构的需求,并对同步决策的博弈方式进行分析,提出了序贯同步蒙特卡洛树搜索算法。该算法根据现有算法的不足将组合动作进行拆分,消除因动作数量大而造成的动作组合爆炸的问题,使博弈树在该算法的指导下能够进行深入的搜索,获得最优解。序贯同步蒙特卡洛树搜索算法的双树结构上区别于以往的双树算法,两棵树之间的信息能够互相映射,交叉共享,保持整个搜索过程中的在线同步。另外,该算法中特殊的节点设置方式和状态转移特点,使算法能够准确的模拟同步决策的博弈过程。随后,为了算法的可实现性,研究了现有的同步决策博弈算法中最具代表性选择策略,筛选能应用于序贯同步博弈蒙特卡洛树搜索算法的选择策略,进一步完善了序贯同步蒙特卡洛树算法。为了证明算法在大规模序贯同步博弈问题中的实际有效性,本文进行了相关实验的设计,实验结果表明,算法在Goofspiel,游戏中能够收敛到近似纳什均衡,在星际争霸游戏中也获得了显著的胜率。