信息充斥着人们的日常生活,人们时常需要根据信息做出决策,这一过程可以被理解为信息博弈。根据场景中信息的完整性与否,信息博弈被分为完全信息博弈和不完全信息博弈。不完全信息博弈的场景更接近人们的现实生活,研究不完全信息下的博弈决策行为具有更广泛的应用领域,例如市场拍卖、金融调控、军事推演等。本文基于不完全信息下的智能对抗决策任务场景,设计智能体模型完成不完全信息态势评估和最优决策,基于态势评估和决策模型建立对抗决策博弈树,完成智能体间作战对抗推演。以智能对抗决策模型为核心内容,完成相关应用系统开发。论文的具体工作包括:不完全信息下智能对抗模型的研究,实现了模型的态势信息预判模块,启发式资源决策模块和智能体对抗推演模块。基于智能对抗决策模型的实际业务需要,完成相关应用系统的需求分析,基于需求分析的结果进行系统的总体设计和详细设计,实现了系统的用户信息管理、系统场景算子信息管理、场景参与方态势信息预判和资源决策、场景参与方对抗推演等功能模块。系统使用MVC模式的SSM(Spring+Spring MVC+Mybatis)框架进行开发,使用My SQL数据库实现信息管理功能,使用基于Python语言的深度神经网络模型DCGAN(Deep Convoltional Generative Adversarial Networks,深度卷积对抗生成网络),Res Net(残差网络)网络完成场景参与方态势信息预判功能,使用启发式迭代搜索完成巨大搜索空间下的最优决策功能,使用MCTS(Monte Carlo Tree Search,蒙特卡罗树搜索)构建博弈树,实现场景参与方之间对抗推演功能。最后完成了系统功能测试,并在系统上线后,根据反馈对系统业务逻辑进行了优化和完善。目前系统已正式投入实用,系统各个模块运行稳定,并满足系统使用者的业务需求,为基于不完全信息场景的参与方提供决策辅助信息,极大程度提升了场景智能体对抗推演的胜率和决策的准确率,该系统方案的解决对于其它不完全信息场景的同性质问题具有较好的参考价值。