随着人工智能技术不断发展,机器博弈领域成为研究重点。机器博弈分为完备信息博弈和非完备信息博弈,非完备信息博弈中存在隐藏信息,更接近实际场景,因此具有重要的研究价值。二打一扑克是一种典型的非完备信息博弈,各玩家的手牌信息对其他玩家是隐藏的,目前二打一扑克博弈算法存在胜率低、训练耗时长等问题。二打一扑克博弈不仅表现出信息的不完备性,还存在着阵营间合作竞争,动作空间大且随博弈变化,稀疏奖励等问题。深度学习和树搜索算法是解决二打一扑克博弈问题的主要方式,深度学习依赖数据集,智能体博弈能力取决于数据质量,但是高博弈水平的数据集获取困难。基于树搜索算法解决该问题时,局面的完备化是先决条件,对隐藏信息判断的准确度直接影响树搜索的策略优劣,虽然通过综合多种局面的搜索结果,可以提升策略的稳定度,但是搜索次数会成倍增加,消耗大量计算资源和时间。本文研究二打一扑克博弈问题,提出了一种基于深度强化学习的二打一扑克博弈算法（ICM-PER-DMC,IPDMC）,算法中智能体只需要与博弈环境进行交互就可以提高自身博弈水平。针对各角色间的合作竞争关系,本文独立看待每个角色,设置三个智能体分别学习对应角色策略。针对动作空间大且变化的问题,本文改进智能体策略网络的输入输出,将网络输出映射全部动作空间改为网络对合法动作评价的方式,避免了交互中出现非法动作和训练时动作间相互影响。本文设计复合结构的策略网络,由长短期记忆网络处理有时间关联的出牌历史序列,再通过残差网络提取深层隐藏特征,使智能体在决策时能够综合当前局面和历史信息来完成。针对稀疏奖励问题,本文使用深度蒙特卡洛方法在完整轨迹学习,设计博弈结束时的反馈奖励函数,使策略网络去拟合样本累计回报。为了进一步提高算法训练效率,减少与环境的交互次数,本文从增加样本即时奖励和提高样本利用率两个角度优化,一是设计基于好奇心机制的内部奖励模块,将产生的内部奖励标准化后赋予样本,缓解样本奖励稀疏的问题;二是提出MC-error来衡量样本价值,在样本经验池中存储多个批次的样本,训练时从中基于优先级采样,使高价值样本被多次学习,提高样本的利用率。与RLCard规则智能体进行博弈实验,结果表明了本文算法可以从零基础起训练出具有较高博弈水平的二打一扑克智能体,其博弈胜率超过RLCard、CQL以及RHCP等算法智能体,也验证了算法中改进优化部分的有效性。与基于树搜索的NMCTS智能体进行博弈实验,结果表明了本文算法具有更优的训练效率和更短的单步决策时间。