计算机博弈是人工智能领域中一个重要的研究方向。作为计算机棋类游戏学习中的一个重要方法,自对弈学习是指仅依赖对弈过程及终局输赢结果的一种学习方式。在整个自对弈过程中,除下棋规则外不事先设定任何领域知识,也无专家参与指导。目前,基于极大极小值算法、α-β剪枝算法和蒙特卡洛搜索算法的自对弈学习已经取得卓越成绩,但是在棋类游戏人工智能研究中仍然存在很多未能研究清楚的问题。其中,研究人员需要面对的主要问题之一是如何在有限的时间内尽可能多的收集到高质量的学习样例。针对这一问题,本文设计并实现一个自对弈学习样例生成器软件系统。在充分分析了研究人员对样例生成器的需求后,设计和完成了两个子系统:井字棋学习样例生成器子系统和西洋跳棋学习样例生成器子系统。本文主要工作如下:⑴分析了样例生成器的概念框架结构,该框架包括生成器、执行系统、鉴定器和泛化器四个部分。执行系统以生成器产生的新棋局为输入,根据评估函数V自对弈并得到学习样例(行棋记录),鉴定器使用学习样例进行训练;泛化器产生新评估函数。⑵设计和实现了井字棋和西洋跳棋学习样例生成器子系统,井字棋子系统穷尽棋面来生成所有学习样例,并直观展示完整的博弈树及样例生成过程;西洋跳棋子系统复杂度较高,使用边对弈边保存的方法得到学习样例。⑶提出了两种棋盘状态评分方法和两个学习指标来分别测试两个子系统的生成能力,结果表明两个子系统都达到了设计目标。井字棋子系统在两种评价方法下均可生成有效样例,西洋跳棋子系统可根据指标来控制样例的生成个数。自对弈学习样例生成器软件系统已作为平台提供给相关研究人员,近半年的运行表明,系统运行总体正常。可以有效生成两类棋局的学习样例,并较好地满足了研究人员的实验验证的需要。