从人工智能这一概念被提出至今,机器博弈一直是其最具挑战性的研究方向之一,机器博弈又分为完备信息机器博弈和非完备信息机器博弈。非完备信息机器博弈的特点是智能体在博弈过程中无法获得全部的局面信息。真实世界的很多决策问题都可以抽象为非完备信息博弈问题,例如机场规划、网络安全、金融能源等问题。因此,对非完备信息机器博弈的研究具有重要的现实意义。解决非完备信息机器博弈问题的传统方法是部分可观测马尔科夫决策过程模型以及强化学习算法。然而强化学习在信息不完备以及高维的状态空间下无法收敛,仅通过有限的数据和反复测试无法遍历到所有状态。本论文采用深度强化学习算法解决非完备信息机器博弈问题,用深度学习网络替换强化学习中的状态-动作值函数。同时针对深度强化学习算法决策时无法考虑历史信息的问题,提出在深度强化学习网络中加入长短期记忆模型。本论文提出了基于蒙特卡洛博弈树搜索的回报函数计算方法,通过比较每局得到的收益与蒙特卡洛博弈树搜索得到的期望收益,判断对智能体的奖惩情况。传统方法需要手动提取特征,很难发现特征间的内在联系,同时训练时需要大量的领域知识,可扩展性差。本论文提出了适合于深度强化学习等模式匹配算法的扑克建模方法,这种编码方式只需要很少的领域知识便可以将相同的网络结构应用于不同的扑克游戏,实现了很好的可扩展性。最后本论文将改进的深度强化学习算法应用到非完备信息机器博弈中,实现了德州扑克机器博弈系统。从感知到动作端对端地学习策略,避免了复杂的人工提取特征的过程,与传统的学习算法相比,达到了更高的博弈水平。改进的深度强化学习为大规模机器博弈系统的实现提供了一个可行的方法,同时为扩展到现实生活中提供了可能。