近些年,随着人类的科技不断发展与进步,人工智能已经深入人们的生活。人们生活中遇到的很多问题都是博弈问题,如何使用人工智能高效的解决生活中的博弈问题成为了众多学术研究问题之一。根据当前主体观测到的信息完全与否,可将博弈问题分为完备信息博弈和非完备信息博弈。目前已经有很多研究者针对完备信息博弈进行研究,然而在实际应用场景中大部分遇到的博弈问题都是非完备信息博弈,因此针对非完备信息博弈的研究具有重大的意义。非完备信息博弈的特征是玩家在博弈的过程中无法获得完备的信息,只能观测到部分局面信息,使得研究更加复杂、更具挑战性。解决非完备信息博弈的传统方法是部分可观策马尔可夫决策和博弈搜索树算法,但是在状态空间大、信息不完备的情况下并不能快速收敛,做不到准确、高效地预测其他玩家状态和行为。一般博弈算法的研究会与一个特定游戏环境进行结合从而对算法进行对比和验证,因此斗地主作为一个非完备信息博弈的场景十分适合作为研究的环境。本文针对非完备信息博弈算法展开研究并基于斗地主游戏对算法进行了改进,提出了一个新颖的非完备信息博弈算法,主要的工作如下:本文基于斗地主将蒙特卡洛树搜索和深度强化学习算法进行改进。为了解决蒙特卡洛树搜索在非完备信息博弈中的问题,使用随机打乱其余两位玩家手牌的方式来改进模拟阶段,将蒙特卡洛树搜索改进为斗地主蒙特卡洛树搜索。为了将深度强化学习的优势应用到斗地主中,将深度Q网络和深度卷积Q网络两种算法改进为斗地主深度Q网络和斗地主深度卷积Q网络并应用到斗地主中。本文提出了一种新颖的非完备信息博弈算法（Landlord Deep Recurrent MCTS,LLDRMCTS）,该算法通过将斗地主蒙特卡洛树搜索算法中的默认策略替换为斗地主深度卷积Q网络,巧妙地减少了蒙特卡洛树搜索状态空间大的问题,同时也保留了节点选择的高效性,从而在少量模拟次数下获得高质量的模拟结果。并通过分析现有的深度强化学习训练方式,提出一种新颖的蒙特卡洛树搜索与深度强化学习结合的交叉训练框架,使斗地主蒙特卡洛树搜索在斗地主深度卷积Q网络引导下不断提高博弈能力,进一步提高了LLDRMCTS的模拟能力。本文通过大量的锦标赛实验验证了改进的算法和提出的算法均在斗地主游戏上有着较好的博弈效果。通过对比实验验证了我们提出的训练方式有着不错的训练效果。最后可视化的展示了随机博弈对局的决策步骤,详细的描述了每个步骤。