邱虹坤，郑晓东，王亚杰

(沈阳航空航天大学 a.计算机学院;b.工程训练中心，沈阳 110136)

机器博弈是人工智能领域最重要的研究方向之一，而非完备信息博弈是近期机器博弈研究的热点。现实生活中，处处充满了非完备信息博弈的例子，如拍卖、投标、竞价等。其中，投标过程与桥牌博弈极为相似。因为在投标时，首先要分析对方的可能出价和己方合理出价。这与桥牌中的叫牌相互吻合，同样是通过逐级递增的加价方式来实现互通牌情的过程(包含己方和对方)。而在打牌过程中的赢墩策略也与投标公司的战略相契合，同是在掌握信息有限的情况下进行博弈。因此，对桥牌博弈AI引擎的研究，是极具现实意义的[1]。

目前，更为精准的桥牌模型，逐渐成为研究者们关注的热点之一。在AMMAS2019入选论文中，就有一篇研究了基于神经网络构建叫牌系统的方法[2]。而所有叫牌方式的侧重点无一不是在于消除叫牌时产生的模糊信息，旨在得到唯一且精确的结果。但是连续3年获得冠军的Wbridge5是基于规则的，他们通过消除已有规则中的歧义和冲突来优化自己的系统，这样就会有一定的局限性，把系统的性能的上限局限在了人类已有的知识中。因此，想要继续提升桥牌AI的能力，需要从叫牌、打牌和评估函数3个方面分别给出优化的新思路。即构建精确叫牌体系、分阶段牌局策略及更为准确的评估函数。

1 叫牌优化

1.1 构建精确叫牌体系

桥牌主流的叫牌体系分为2种：自然叫牌体系和精确叫牌体系。……