博弈决策是人工智能领域的重要问题,在棋类娱乐、商业管理、军事模拟等方面都发挥着重要作用。传统的博弈决策过程常建模为一颗博弈树,树的每个节点都是一个局面,节点引申出来的边是在该局面下所做的决策,决策使得一个局面迁移到另一个局面。运用计算机强大的计算能力,模拟所有的局面和在该局面下做的决策,辅以对搜索算法的剪枝优化、置换表空间换时间、提高并行化等手段,也取得了不错的成果,但由于博弈决策中存在巨量搜索空间,导致当前计算机博弈决策距离顶级的人类专家还是有一定距离,而且基于搜索的博弈决策算法难以获得较大进步空间。针对上述问题,本文提出了一个基于深度增强学习的博弈决策机制,应用当下较为热门的深度增强学习技术,将博弈决策过程抽象为智能体(如决策智能)与环境(如状态空间)之间的交互过程,实现了一个基于深度增强学习的博弈决策系统。论文主要工作包括:1)将深度增强学习算法引入博弈决策机制的策略生成和局面估值,提高策略和估值函数的拟合质量。2)设计基于深度增强学习的博弈决策系统架构,神经网络模块、自对弈模块、评估器模块,使得模块间耦合度低,实现简洁。3)实现基于深度增强学习的博弈决策系统,并对系统的功能和性能进行分析测试。基于本文所实现的五子棋AI功能完整且棋力较强。最终在自由开局模式下,在QQ五子棋高手区中达到了 90%的胜率,对弈心五子棋的胜率约为55%。