在UCT算法的基础上,蒙特卡洛搜索算法已经成为所有现代计算机围棋程序的标准解决方法。围棋本身及蒙特卡洛搜索算法的特性,决定了计算机围棋程序的实现不仅计算量大而且计算过程中搜索复杂。因此,计算机围棋程序对计算设备处理器及内存提出更高的要求。　　 与个人计算机相比,智能手机的处理器和内存具有局限性,为计算机围棋程序移植带来了挑战。为了使计算机围棋程序中的大规模计算在软硬件受限的智能手机上仍能正常运行,本文在实验室开发的Lingo系统的基础上,应用专家系统,隐马尔科夫模型和阀值的思想,主要针对计算机九路围棋程序改进,成功实现了计算机九路围棋程序在智能手机上的运行。　　 首先,在计算机九路围棋程序中引入专家系统。应用专家系统,利用相关领域专家的围棋知识,广泛使用专家知识,减少程序对数值计算的依赖,有效地简化计算的规模,大量提高计算速度和引擎水平。　　 然后,在计算机九路围棋程序中引入隐马尔科夫模型。建立围棋的隐马尔科夫模型,通过手工收集的棋谱离线训练模型,利用训练后的模型,在给定观测序列的情况下,求出隐状态序列,由隐状态序列指导程序,减少程序的计算量。　　 其次,引入阀值,针对算法移植对算法过程的改进。对程序中节点的搜索和模拟时间,增加阀值。　　 最后,利用像素位图的拼接实现绘图。避免了直接采用绘图方法导致的锯齿现象,使整个移植后的工作可以更加清晰直观地呈现出来。