即时策略游戏因与现实环境有着相似决策的环境,可模拟实际问题难点,是绝佳的研究解决现实问题的平台。平台取得的研究成果在经济、军事、智慧城市等领域,有巨大潜在应用价值。因游戏人工智能体需要具备相当程度的人类智能行为才能掌握游戏,所以多样、复杂的即时策略游戏也是人工智能技术的试炼石。近十年,研究人员在众多简化的、固定的游戏环境取得了突破性的研究进展,但在完整的、多样性的游戏环境研究不足。而通用人工智能要求智能体像人类一样理解和学习任何智能任务。对此,本文选择在一个简单但完整的微型即时策略游戏平台,研究一个可同时在多种地图环境具有高水平的游戏智能体。在近十年,最强的游戏人工智能体或者基于简化的游戏环境,或者利用专家规则的人类知识经验或者仅针对一个特定的游戏环境。在本文,我们提出了一个通用性的神经网络模型,通过模仿学习、深度强化学习等技术训练游戏人工智能体,以同时掌握多个即时策略游戏。首先,本文针对微型即时策略游戏设计了一个通用的演员-评论家网络实现感知和决策。其次,提出了种群对战的联盟训练方法,解决非传递博弈问题使用自我博弈会产生策略循环无法增强的问题。然后,使用基于游戏玩家血量的奖励函数反映游戏取胜的目标,提出了基于联盟训练的多智能体强化学习算法。最后,将该方法训练的智能体,在三种不同的地图环境与强基线游戏AI对战评估。实验结果表明,训练的智能体可同时在多张地图取得较高的胜率。针对深度强化学习从零开始盲目探索成本高昂,训练缓慢的问题,本文探究结合模仿学习行为克隆和强化学习的方法训练智能体。对此,本文首先提出了一个结合搜索树和专家规则等方法的策略较强的游戏人工智能体。专家AI算法通过将游戏的策略分解为战略和战术两部分,战略使用分层策略搜索算法在脚本池中搜索最优脚本,战术使用基于简单采样理论的蒙特卡洛搜索树算法。然后将该专家智能体与策略各异的对手进行对弈,收集专家对弈数据集。接着,使用监督学习训练网络实现策略初始化,再使用强化学习探索策略空间实现策略的提升。最后,将该方法训练的智能体,在三种不同的地图环境与强基线游戏AI对战评估。实验结果表明,结合模仿学习和强化学习技术训练微型即时策略游戏智能体方法,不仅有效缩短训练时间而且在多种地图对战强基线智能体都有极强的战斗力。