机器博弈Computer Game（CG）就是让计算机学会下棋,是人工智能的重要分支。2016年,围棋人工智能Alpha Go大获成功,掀起了一波研究机器博弈的热潮。由于机器博弈易实验、易比较的特性,我们对机器博弈的理论和实践研究将大大促进人工智能的发展。五子棋是一种在全球范围内非常流行的两人对弈的连棋类游戏。本文以五子棋为例,介绍了机器博弈的经典框架,并对核心算法进行了复现。对于五子棋中特有的,也是十分有效的连续冲四搜索做出了分析与改进。在传统的Alpha-Beta剪枝算法的过程中,存在由于节点未排序,或排序过于简单,导致搜索耗时随博弈树的层数增加,增长得过快。针对这个问题,本文提出了一种通过静态启发表改进的Alpha-Beta启发剪枝算法,实验结果表明,算法明显提升了搜索效率。传统的Alpha-Beta剪枝算法使用的棋型估值函数,往往用人为凭借经验设置的参数构成,存在不确定、不准确的问题,针对这个问题,本文提出差分进化算法结合锦标赛法优化估值函数参数的方法,将它应用到对五子棋棋形权重的参数优化中。实验结果显示,经过差分进化算法对估值函数参数的优化,使五子棋人工智能的博弈水平相比原来获得了较大的进步。本文的主要创新点如下:（1）提出了一种通过静态启发表改进的Alpha-Beta启发剪枝算法,实验结果显示,该算法明显提升了Alpha-Beta搜索的效率,且随着搜索层数的增加,效率提升的幅度也不断增加升高。（2）提出了差分进化算法改进估值函数棋形权重以及静态启发表参数的方法,将优化后的权重与优化前对比,从实验结果看,该算法使程序的棋力得到了较大提升。（3）设计并实现了基于Qt的多线程五子棋对弈系统,并在系统中增加了各种常用功能,如难度设置、提示与悔棋、保存与读取棋谱等等。