机器博弈是人工智能一个传统而重要的研究领域.近些年,随着家庭电脑时代的来临、网络的兴起,计算机游戏在人们的娱乐生活中占有越来越重要的地位.以机器博弈为代表的人工智能技术在计算机游戏中的应用极大地提高了游戏的可玩性,成为计算机游戏的灵魂.与此同时,在对机器博弈问题的研究过程中发展出来的多种理论和技术在航空调度、天气预报、资源勘探、军事博弈、金融经济调控等领域都产生了重要的影响.机器博弈已经从人工智能者最初的"梦想",变为一项服务于改善人类生活质量这一"现实"的实实在在的技术,针对它的研究具有广泛而深远的积极意义.迄今为止,机器博弈的研究已经取得了许多举世瞩目的成就,但是这些成就主要集中在完备信息博弈领域,非完备信息机器博弈问题仍然是当今机器博弈研究所面临的主要难题之一.由于非完备信息特性的存在,博弈的搜索空间变得无比巨大,从而使得解决该种类的博弈变成了一个NP难题.要想能够实际地搜索非完备信息博弈的博弈树,只能寻求某种启发式方法.蒙特卡罗抽样是近些年学术界公认的处理非完备信息的一种行之有效的启发式搜索方法,在如桥牌等一些游戏上的应用已经取得了成功.中国军棋是我国特有的游戏,跟其他游戏相比,它具有棋盘复杂、棋子种类多、规则不单一等特点,目前还没有正规的科研机构对它进行立项研究.本论文在国家自然科学基金的支持下,对中国军棋的机器博弈进行了探索性的研究.本文在对机器博弈领域各方面成果广泛调查学习的基础上,设计并实现了一个二人军棋暗棋机器博弈系统,核心部分用蒙特卡罗抽样来处理博弈中的非完备信息.由于军棋的特殊性,其全搜索空间非常巨大,本文采用一个包含516个布局的布局库来生成一个棋子分布概率表,并在下棋过程中对其进行维护,从而利用它使蒙特卡罗抽样可以选取更具代表性的抽样进行走步选择.系统的其他部分遵从机器博弈系统的常规设计,从而将重点更多地放在了非完备信息处理及其结果分析上.