机器博弈一直以来都是人工智能最具有挑战性的研究方向之一,机器博弈领域又分为完备信息博弈和非完备信息博弈两个方向。近几年计算机科学与技术飞速发展,完备信息博弈内很多技术和难题得到了解决,在国内和国外举行的大量机器博弈赛事中,取得了很好的成绩。然而,相对完备信息博弈,非完备信息博弈研究由于受到各种条件的制约,仍有很多未解决的问题。例如,非完备信息博弈中信息的不确定和不完整,导致不能准确的预知对手策略。因此,对于非完备信息博弈技术的研究具有重要的学术意义和应用价值。德州扑克博弈是非完备信息博弈领域的一个典型研究对象,其中涉及到的关键研究问题包括:多智能体博弈、风险分析、对手建模、非完备信息处理和决策。本课题的主要内容是针对上述提出的问题,在前人研究的基础之上,实现一套基于风险占优模型和对手行为预测的非完备信息德州扑克博弈系统。风险分析得到博弈策略选择过程中存在风险损失的原因,并进行风险损失分类,给出风险损失的估算方法。对手行为预测采用的是人工神经网络算法,将历史比赛日志数据拿来作为训练集和测试集,训练数据得到对手模型用来预测对手的动作,得到动作概率表,为风险决策模型提供数据支持。之后采用群组聚类方法,将对手模型进行聚类,得到介于通用模型和个人模型之间的群组模型。最后利用风险占优模型进行风险分析和动作决策,该风险占优模型可以更好的在欺诈性质的策略使用上找到平衡,既不刻意忽略也不会导致非理性的滥用。基于风险占优决策模型实现了一套德州扑克博弈系统,并以AAAI计算机德州扑克大赛为实验平台,验证了该系统可以在欺诈性质的策略上做到更好的决策。