第一章 引言
机器博弈作为人工智能领域的重要应用，经历了萌芽、发展、深度学习三个阶段。早期以冯·诺依曼的理论为基础，图灵、麦卡锡等科学家也参与其中。随着Alpha-Beta搜索算法的出现，机器博弈开始快速发展。AlphaGo的诞生标志着深度学习时代的到来，机器博弈水平迅速提升。
中国机器博弈研究起步较晚，但发展迅速。东北大学徐心和教授为中国机器博弈事业做出了重要贡献。中国机器博弈竞赛规模庞大，参与人数众多，为学生提供了良好的科研和创新能力培养平台。
第二章 机器博弈的发展状况
机器博弈研究经历了三个阶段：萌芽阶段、发展阶段和深度学习阶段。早期以建立有效、快速的评估函数和搜索算法为主，如Alpha-Beta剪枝等。深度学习时代，AlphaGo等程序的出现标志着机器博弈水平的飞跃。
国外研究主要集中在搜索与评估方面，AlphaGo的成功在于棋感直觉和搜索验证。国内研究起步较晚，但发展迅速，在六子棋、中国象棋、围棋等领域取得了显著成果。
第三章 博弈的复杂度
博弈问题的状态复杂度和博弈树复杂度是衡量其复杂程度的重要标准。状态复杂度是指所有合法局面的总和，博弈树复杂度是指解决树的所有叶子节点的总和。精确计算状态复杂度几乎不可能，通常以可能的局面总数的上限值为标准。博弈树复杂度可以通过平均分支因子来估算。
第四章 机器博弈的典型技术
机器博弈系统中，典型的关键技术包括：
- 搜索算法：穷尽搜索（极大极小算法、负极大值算法）、裁剪搜索（Alpha-Beta剪枝、渴望搜索、MTD(f)搜索）、启发式算法（置换表启发、历史启发、杀手启发）、迭代深化、最佳优先算法、随机搜索算法等。
- 局面评估：知识库、神经网络、机器学习等。
- 其他技术：并行计算、遗传算法、路径寻迹算法、微分博弈、贝叶斯网络与概率推理等。
第五章 机器博弈的平台技术
计算机博弈平台系统本身不具有下棋或出牌的逻辑决策功能，但可以加载其他决策引擎程序，起到规则判定和输入输出交互界面的作用。平台分类：
- 完备信息博弈平台和非完备信息博弈平台
- 单引擎博弈平台和多引擎博弈平台
- 单机博弈平台和网络博弈平台
- 程序级博弈平台和模块级博弈平台
平台设计规范包括人机交互接口规范和平台与引擎通信的协议规范。
第六章 完备信息机器博弈的专项技术
本章介绍了六子棋、围棋、点格棋、爱恩斯坦棋、苏拉卡尔塔棋、海克斯棋、五子棋、中国象棋、藏族久棋、国际跳棋、不围棋、幻影围棋、亚马逊棋等项目的机器博弈技术。
第七章 非完备信息机器博弈的专项技术
本章介绍了德州扑克、军棋、桥牌、国标（大众）麻将、二打一扑克牌等项目的机器博弈技术。
第八章 机器博弈的国内外赛事
本章介绍了国际象棋、围棋、桥牌、德州扑克等国际赛事，以及中国象棋、中国计算机博弈大赛等国内赛事。
第九章 结束语
机器博弈领域发展迅速，但仍面临一些挑战，如算力瓶颈、核心算法创新不足、开源平台生态薄弱、高水平复合型人才短缺、伦理规范与安全治理体系尚不完善等。未来发展趋势包括复杂化、固件化、集成化、智能化、工程化、产业化等。机器博弈将与其他领域的技术融合，推动人工智能技术的发展和应用。
