在不完美信息扩展式博弈的研究工作中,如何利用次优对手的弱点来获得更高的博弈收益是难点问题之一。常用方法是对手采用建模。该方法首先对对手的策略建立模型,然后对所建立的策略模型计算最佳反应策略。但由于对对手策略所建立的模型未必是准确的,从而导致计算出的最佳反应不能保证是真正意义上的最佳反应。为了避免对手建模,本文提出了从遗憾最小化的角度来利用次优对手弱点的思想,并基于一种离线的均衡计算方法——虚拟遗憾最小化,将其扩展到在线博弈的场景中,实现对次优对手弱点的利用。在线博弈中计算各个信息集的虚拟价值是在线虚拟遗憾最小化的核心。本文提出了从博弈结果中估计虚拟价值的方法,并给出两种估计手段：静态估计法和动态估计法。在静态估计法中,基于对手使用静态策略的假设,直接从博弈结果的分布中来进行估计,并对每个结果给以相等的估计权重；而在动态估计法中,则对新产生的博弈结果给以较高的估计权重,使其能对对手的策略变化做出快速反应。此外,本文也从理论上分析各个信息集虚拟价值的估计值与其真实值之问的关系。基于两种估计方法,本文提出在线博弈中虚拟遗憾最小化的算法,并在基于单牌扑克的实验中,与四种在线学习算法(DBBR,MCCFR-os,Q-learning,Sarsa)进行了对比。实验结果显示本文所提出的算法不仅对较弱对手的利用效果最好,还能在与四种对比算法的一对一的比赛中取得最高的胜率。