人机博弈是被认为是人工智能领域最具挑战性的研究方向之一,人机博弈的研究对象主要是棋牌类游戏,而棋牌类游戏又可以分为完全信息游戏和不完全信息游戏,四国军棋是典型的不完全信息游戏,玩家不知道其他玩家的所有信息,所以玩家要在不完全信息的情况下做出决策,同时四国军棋的历史较短,不像象棋那样,已经形成了完备的棋术理论,所以设计一款好的四国军棋人机博弈系统需要解决两个难题:第一,如何破解其他玩家的棋子信息,第二,由于四国军棋的棋盘大和不完全信息的特点,仅靠搜索算法是不可能找到好的走法,所以,必须根据四国军棋的棋盘、棋子和规则,设计符合四国军棋特点的评价函数。本文主要工作如下:1.为了破译其他玩家的信息,本文提出了一种新的有约束推理模型,该模型将玩家信息分为三类:第一类是我们通过各种途径获取的准确信息,这些信息是最原始的,也是最准确的,但仅用这些信息作为推理的证据,对推理的约束性较小;第二类是我们结合第一类信息和四国军棋规则推理得到的信息,这些信息也是比较真实的;第三类信息需要我们结合以往的经验并分析当前棋盘局面才能得到,这就属于第三类信息。有约束推理模型根据这三类信息,并结合LBP算法和图模型理论推理出其他玩家的棋子类型。2.我们设计了一个四国军棋评价函数,该评价函数考虑了:棋子的固定子力值;棋子所在位置的增加值;棋子的机动性能;相邻棋子间的影响;对己方军棋的保护。3.最后,设计了一个四国军棋人机博弈系统,该系统支持人与人以及人和机器之间的对战,该系统是C/S结构,拥有大厅和房间,可以满足在线多人同时进行游戏。