人工智能(AI)是计算机知识、心理学和哲学等知识的综合体现。中国象棋的计算机博弈属于人工智能的研究范畴。目前黑白棋、五子棋、国际象棋等棋类的计算机博弈已经取得了成功,而博弈树更为庞大的中国象棋计算机博弈尚处于萌芽阶段。本课题结合在中国象棋机器博弈方面的实践经验,对中国象棋计算机博弈做了详细的分析和研究,主要做了以下工作:首先,设计了中国象棋计算机博弈软件的数据结构,对马和象的着法生成采用模版匹配法,并且根据路向行向比特向量对车、炮等棋子的着法生成采用预置表法。由于采用模版匹配法和预置表法省去了棋子边界的判断,并且利用查询代替搜索,提高了着法生成的速度,进而提高了整个博弈树的搜索效率,该部分的工作是整个程序的基础。另外,研究了博弈树的搜索算法。在alpha-beta搜索算法的基础上,采用极小窗口(PvS)、置换表启发、历史表启发、静态启发等启发算法,有效的提高了搜索的效率;采用静态搜索、选择性延伸等手段,避免了在叶子节点由于棋子交换、将军等因素导致的估值剧烈波动而带来的评估风险;采用空着前向裁剪(NULLMOVE)使得搜索深度在原来基础上增加了2～3层,并且完善了空着前向裁剪的条件判断,使得采用该方法更稳定。最后,简要描述了棋局的评估要点。对各种算法编程实现,实践结果表明了算法可行性,并表现出了良好的性能。