在机器博弈领域中,相比完备信息问题,非完备信息下的机器博弈更为困难。而定约桥牌作为规则最为复杂的非完备信息棋牌类游戏,如何在叫牌过程中战胜人类顶级牌手,对于目前的机器智能来说仍然是难以攻克的课题。在传统的桥牌叫牌策略研究中,基于强化学习算法和基于专家经验的蒙特卡洛方法采样算法对于桥牌叫牌策略的优化都存在缺陷,难以得到具备职业牌手叫牌能力的叫牌模型。为了降低叫牌策略算法研究实现的难度,本文将叫牌策略问题域分解,在模仿学习预训练模型的基础上,利用在线强化学习算法和离线强化学习算法对桥牌叫牌策略进行研究,期望叫牌模型通过自博弈探索合理叫牌来提高叫牌能力。本文利用新睿桥牌公司线上平台机器人在中国桥牌协会标准自然体系CCBA下的机器对打产生的大量叫牌序列为数据,以模仿学习预训练得到的具备桥牌叫牌体系理解能力的叫牌模型为研究基础,通过强化学习方法来优化模型的叫牌策略,训练得到更强的叫牌智能。为了能够使模型理解叫牌体系中叫牌的基本含义,本文设计了 3种神经网络模型,用于强化学习阶段训练数据生成以及强化学习算法训练。同时引入一种叫牌过滤机制来加快强化学习模型的收敛,实现叫牌过程中的叫牌规则约束,保证不会存在不合理的叫牌序列。最终实验结果显示,强化学习算法达到了设计目的,在线的强化学习算法训练的模型在继承了叫牌体系的理解能力基础上,相比模仿学习预训练的基本模型,在叫牌奖励、生成叫品合理性、模型对打能力上的表现更好,同时离线强化学习算法在训练的效率、模型的稳定性上也有了提升。最后,根据算法结果进行效果分析,总结目前研究的不足,并根据这些不足点确定未来对于桥牌叫牌策略的研究方向。