人机对弈是目前计算机领域的重要课题之一,对于学术研究和工程应用都具有重要意义。与传统人机对弈方法相比,本文以成长性为亮点,令机器棋手象人类一样可以通过学习获得规律,提高棋力。通过对比常用的机器学习方法,本文选择基于解释的学习(Explanation-Based Learning,简称EBL)作为基本理论。随后,经过对于人机对弈系统进行深入研究后,本文分析并确定了人机对弈系统的基本组成及各部分的功能。具有成长性的人机对弈系统由四个子系统组成,即人机交互子系统、学习子系统、对弈子系统、持久化存储子系统。其中,学习子系统和对弈子系统是关键所在。接着,本文以对于围棋领域的深刻认识为基础,以基于解释的学习方法为指导,设计了对应这两个子系统的基本方案:围棋学习方法(I-Go Learning Method,简称IGLM)和围棋对弈方法(I-Go Playing Method,简称IGPM)。围棋学习方法以解决机器棋手如何学习对弈为目标,以领域知识树和棋块树为基础,通过对每个训练样例的逐一分析,学到规则及其学习期评价(Learning-Time Evaluation,简称LTE),更新到规则库中。围棋对弈方法以解决机器棋手如何对弈为目标,以规则库、棋块树和棋盘-规则映射表为基础,根据棋盘局面选择合适的规则,并通过对学习期评价和对弈期评价(Playing-Time Evaluation,简称PTE)的综合计算,确定最佳棋着,完成对弈决策。与传统方式相比,这两个方法均具有逐步提高对弈水平、较高的运行效率和正确性、新式的棋着评价方法等优点,它们的有机结合有助于人机对弈水平的提高。最后,本文讨论了系统的设计和实现方案。本文通过对围棋学习方法和围棋对弈方法的研究,为人机对弈系统技术提供了新思路和新方法,有利于改善系统性能,有利于技术的发展进步。