估值函数和回报函数是非完备信息博弈中的重要组成部分,估值函数对博弈中的不同策略进行评估,通过评估的结果来判断策略的优良。回报函数是对采取的策略获得的收益进行评估,通过评估的结果来判断系统是应该受到惩罚还是奖励。机器博弈主要任务就是运用深度学习,强化学习等算法来帮助智能体分析当前的局势和未来的局势,选择最佳的步骤。近些年来,机器博弈技术的发展已经能基本满足完备信息博弈中的技术要求,但是对非完备信息博弈的研究还有待开拓。本论文以非完备信息博弈为研究目标,首先设计一种基于深度残差网络的估值函数,再设计一种基于蒙特卡洛树搜索的回报函数。本论文的工作创新主要体验在以下三个方面:（1）在传统的机器博弈之中,深度神经网络一般同来预测对手的动作,本文在原始的卷积神经网络基础上,改进了深度神经网络估值算法的模型,利用深度残差网络来训练该模型,进一步学习专家的博弈策略并为自己的动作做参考以此来预测博弈中对手的行为。（2）分析蒙特卡洛树搜索算法在非完备信息机器博弈中的瓶颈。在非完备信息博弈中,由于计算时间的缺乏,导致模拟评估的数量相对较少,根节点的子节点访问次数太少,根本无法反映出相应的收益分布。所以该算法直接运用广度优先算法先生成根节点的子节点,然后对于每一个子节点进行K次蒙特卡洛模拟评估来处理节点的收益分布的非确定性。实验证明,该算法能够较好的解决模拟次数过少导致随机性过强的问题。所以提出广度优先初始化算法。（3）非完备信息机器博弈中,因为时间和空间的原因,在未知的情况下无法扩展整个博弈树去获得最优的结果。通过复用前一回合的搜索树,然后对于之前回合的数据进行衰减或者重置。通过这种搜索树复用的方式弥补了因为时间过少导致模拟评估数量较少的缺点。同时通过衰减来消除之前过时数据对现在的影响。针对上述问题提出一种搜索树复用的蒙特卡洛树搜索的回报函数。