近年来，随着游戏产业在国际范围内的快速发展，游戏智能的研究逐渐受到人们的关注。本文针对中国跳棋游戏的简化模型，设计了一个具有离线学习能力的游戏引擎，并进而研究了通过序列模式挖掘提高游戏智能的方法。该引擎由游戏控制系统和数据分析系统组成。游戏控制系统负责控制游戏过程，通过人机对弈和人人对弈获取有效游戏记录；数据分析系统负责对游戏记录进行分析和挖掘，得到经验规则、关键状态和落点使用频度等模式，这些模式将被应用于游戏控制系统中计算机玩家的走棋算法以改善其走棋能力。在游戏控制系统中，提出了一种基于经验规则匹配、关键状态逼近和评估函数计算的计算机玩家走棋算法。一方面，设计了活动的坐标系和基于玩家视角的棋子状态集合，分别用于定位棋子和作为描述棋盘状态的数据结构，这使得走棋算法得以简化并使得游戏引擎能够提供有效的游戏记录；另一方面，将数据分析系统生成的数据挖掘结果应用于走棋算法，从而提高计算机玩家的走棋能力。在数据分析系统中，提出了一种基于模式增长的序列模式挖掘算法，从大量游戏记录中挖掘频繁二项紧邻子序列，并将其转化为经验规则，同时统计得到关键状态和落点使用频度。挖掘过程中，首先将游戏记录转换为便于序列模式挖掘的序列数据格式，然后由这些序列数据生成一棵带有树枝权值的序列模式树，进而对该树进行挖掘得到序列模式，接着对生成的序列模式进行可信性筛选，最终将选出的可信序列模式转化为计算机玩家可以识别的经验规则。最后，通过实验测试验证了本文方法的有效性。