计算机博弈中,围棋是最具有挑战性的。计算机博弈理论的目标就是对于给定的初始盘面,对弈双方通过蒙特卡洛树搜索随机落子以至终盘,并以此为基础,找到任给初始盘面的最佳落子点。由于围棋盘面评估与博弈树搜索紧密相关，围棋的静态盘面评估很不准确,准确的盘面评估必须通过搜索完成。局面评估的全面与否,与评估值之间关系紧密。理论上讲,评估值越高,计算机的博弈水平也就越高。可是,由于时间限制是计算机博弈的一个非常重要的约束条件。在限定时间的约束条件下,计算机的博弈水平直接取决于棋局评估的准确性,同时还取决于所能访问棋局数目的多少。单位时间内,棋局评估的越准确,访问局而的数目越多,计算机围棋的博弈水平才会越高由于材料、功耗和散热限制了单个核心的性能提高,因此现代处理器的性能提高更多的来自核心数量的提高。处理器的多核/众核化的发展趋势对传统的单线程软件提出了挑战。研究适合现代处理器的围棋计算机博弈的并行算法与实现,对于提高计算机博弈的水平有重要意义。本文总结了目前的围棋博弈引擎发展状况,提出了基于GPU的博弈引擎实现方案,改进了蒙特卡洛树搜索的算法,使之适用于CUDA (Compute Unified Device Architecture)架构GPU硬件架构,实现了基于CUDA架构的并行博弈引擎,这个引擎随机模拟的速度能达到每秒5万盘的结果,跟单核CPU相比,是其5倍之多。CUDA架构应用大都用于大规模的并行计算上,而对于非纯数值运算的领域还没有很大的发展。将CUDA应用于围棋引擎上是本课题的一个重大的突破。并且成功运用了位运算实现了九路围棋的蒙特卡洛树搜索的棋盘模拟。