代鹏程，李淑琴，郑蓝舟，孟 坤，丁 濛

（1.北京信息科技大学，北京 100010；2.感知与计算智能联合实验室，北京 100010；3.微智娱（北京）科技有限公司，北京 100010）

计算机博弈作为人工智能的重要发展方向之一，被称为人工智能学科的“果蝇”［1］。计算机博弈领域分为完备信息和非完备信息博弈2个分支。非完备信息博弈的特点是博弈者在博弈过程中无法获得全部以及可信的局面信息。在非完备信息博弈中，博弈环境的真实状态往往是不可知的，参与其中的博弈者所掌握的信息是不对称和不完备的，这使得非完备信息博弈的研究更为复杂，更具有挑战性。现实世界中的大多数应用都是不完全的信息游戏，如商业战略谈判、金融投资等，在具有广阔应用场景的非完全信息博弈领域，在面对这些不确定性问题时，如何帮助人们找到最优策略，亟待进一步研究和探索。

目前关于非完全信息博弈主要有2种思路：第一种是基于博弈论的方法，通过各种方法缩小并创建博弈树［2-3］，使用类似完全信息博弈的搜索方法遍历博弈树、寻找纳什均衡点得到最佳策略［4-6］；第二种是基于知识的方法，通过学习大量职业人类玩家的行动特点，结合人为加入的规则信息，最终制定博弈策略［7-8］。

传统计算机博弈多专注于完全信息类的棋类游戏。最初，基于Alpha-Beta剪枝［9］的极大极小值搜索被用作计算机博弈系统中博弈状态树搜索的通用方法。2015年DeepMind团队将深度学习技术引入计算机博弈之后［10-12］，集成深度学习［13］方法在计算机博弈领域得到了广泛关注与长足的发展。……