计算机博弈作为人工智能领域的重要研究方向,一直被视为验证人工智能理论的试金石。根据博弈信息是否完全可见,计算机博弈可以分为完全信息博弈与非完全信息博弈。相比于完全信息博弈,非完全信息博弈由于包含博弈参与者不可见的隐藏信息,其策略求解研究更加困难也更有挑战性。在非完全信息博弈场景中,如何求解博弈参与者的博弈策略成为亟待解决的重要问题。在此背景下,虚拟遗憾最小化（Counterfactual Regret Minimization,CFR）作为一种博弈策略求解方法,因其在求解非完全信息博弈策略中优异的性能表现而引起学术界的广泛关注。本文以虚拟遗憾最小化方法为研究对象,从面向二人非完全信息博弈问题的博弈策略求解和面向多人非完全信息博弈问题的博弈策略求解两个方面展开研究。本文主要研究内容如下:（1）针对传统虚拟遗憾最小化在求解二人非完全信息博弈问题时策略前期收敛速度较慢问题,本文提出了基于指数虚拟遗憾最小化的二人非完全信息博弈策略求解方法。虚拟遗憾最小化需要进行相当数量的策略迭代才能获得较强的博弈策略,这导致博弈策略在迭代前期收敛速度较慢。针对此种情况,将二人非完全信息博弈问题建模为扩展式博弈模型,采用遗憾值作为衡量博弈动作优势的指标,同时通过指数加权技术对具有不同优势的博弈动作赋予不同的指数权重,使得指数虚拟遗憾最小化算法更加关注具有较高遗憾值的博弈动作,从而提高博弈策略的前期迭代收敛速度。理论分析表明该方法具有不高于传统虚拟遗憾最小化的遗憾值界限。对比实验和消融实验结果表明该方法能够有效加速博弈策略收敛。（2）针对传统虚拟遗憾最小化在求解二人非完全信息博弈问题时策略准确性不高问题,本文提出了基于遗憾动态选择的二人非完全信息博弈策略求解方法。不同遗憾更新方法迭代求解时在不同迭代阶段的策略准确性也不同,导致没有一种遗憾更新方法能够在整个迭代过程中始终保持求解策略的稳定。针对此种情况,采用在强化学习框架下使用虚拟遗憾最小化进行博弈策略求解,设计一种与每次迭代时博弈策略可利用度相关联的奖励函数对强化学习智能体进行有效训练。强化学习智能体对每次迭代过程中的遗憾计算方式和策略更新方式进行动态选择,使得迭代算法在每次迭代过程中都能够选择最合适的遗憾计算方式和策略更新方式进行策略求解。理论分析表明该方法具有一个稳定的遗憾值界限。对比实验结果表明该方法能够有效提高迭代策略准确性。（3）针对传统虚拟遗憾最小化无法直接求解二人大规模非完全信息博弈策略的问题,本文提出了基于遗憾价值解耦的二人非完全信息博弈策略求解方法。首先,采用深度神经网络对每次迭代时博弈动作的即时遗憾价值进行价值估计,从而避免在每次迭代求解过程中遍历完整博弈树,实现有限深度的博弈树遍历。其次,使用竞争架构对博弈动作的虚拟遗憾价值与虚拟动作遗憾价值进行解耦,从而加速价值网络收敛。此外,设计一种基于蒙特卡洛估值的价值校正模块来降低早期迭代过程中价值网络对虚拟遗憾价值的估计误差。最后,通过策略网络拟合迭代求解过程中的平均策略。实验结果表明该方法能够直接求解二人大规模博弈问题。相比于对比方法,不仅价值网络的收敛更快,而且展现出了更优的性能。（4）针对传统虚拟遗憾最小化在求解多人大规模非完全信息博弈问题时博弈策略求解困难的问题,本文提出了基于知识蒸馏的多人非完全信息博弈策略求解方法。首先,采用一种基于知识蒸馏的多人深度虚拟遗憾最小化博弈策略求解框架,在进行多人博弈问题博弈策略求解时避免了对大量专家知识的依赖。其次,通过对多人策略求解框架中教师模型的特征表示与模型输出分别进行知识蒸馏,将深度虚拟遗憾最小化求解二人博弈策略的知识有效迁移到多人博弈策略求解中。实验结果表明该方法在多人大规模博弈策略求解问题上表现良好,消融实验结果进一步验证了模型中知识蒸馏部分的有效性。