本文主要研究基于群体智能和强化学习算法求解Nash平衡.首先,将免疫记忆、自我进化机制引入到量子粒子群算法中设计一种求解Nash平衡的新型协同免疫量子粒子群算法,通过概率浓度选择公式来保持种群的多样性,证明该算法是依概率收敛的.其次,将协同免疫量子粒子群算法分别应用于求解n人非合作有限博弈的Nash平衡和广义博弈的Nash平衡.最后,从强化学习的角度出发,针对多智能体随机博弈考虑用强化学习算法求解其Nash平衡.全文分为5章,具体内容如下:第一章是引言部分,主要介绍了博弈论的研究背景及意义,群体智能算法和博弈学习的研究现状.第二章主要研究协同免疫量子粒子群算法求解n人非合作有限博弈.将信息共享机制、自我进化、免疫记忆加入量子粒子群算法中设计了协同免疫量子粒子群算法,通过概率浓度选择公式来保持种群的多样性,并证明了该算法的收敛性质.数值算例结果表明该算法是有效的.第三章主要研究协同免疫量子粒子群算法求解广义博弈Nash平衡.首先,通过用KKT条件将广义博弈Nash平衡问题转化为非线性互补问题,然后使用补函数方法将KKT条件中的互补性条件转化为非线性方程组问题,最后构造恰当的适应度函数用协同免疫量子粒子群算法求解广义博弈Nash平衡,通过数值算例结果的分析与比较说明该算法是有效的.第四章主要研究一类多智能体随机博弈Nash平衡的实现问题.基于强化学习的思想,通过Python来仿真和计算在特定环境下智能体寻找Nash平衡的过程,分别使用含基准项的随机梯度算法和值函数迭代算法仿真多臂赌博机问题和规划博弈的Nash平衡.第五章对全文进行总结与展望.