摘要
麻将作为典型的不完全信息博弈游戏，包含复杂的概率推理、决策优化与对手行为建模问题，是计算机博弈领域重要的研究对象。本文聚焦麻将计算机博弈体系中的核心模块，对胡牌判定的高效算法、听牌状态的精准预测以及基于博弈论的全局决策策略展开系统性研究。首先，梳理现有麻将胡牌规则的逻辑框架，提出一种基于模运算分组优化的胡牌判定算法，相较于传统暴力枚举法将时间复杂度从O(3n)降低至O(n)，大幅提升博弈系统的运行效率；其次，结合贝叶斯概率模型与对手行为特征提取，构建多特征融合的听牌预测模型，实验结果显示该模型对对手听牌类型的预测准确率可达72.3%，相较于单一概率模型提升11.6个百分点；最后，基于不完全信息博弈的纳什均衡框架，提出融合胡牌收益与风险控制的动态博弈决策策略，在1v1标准麻将对局中，该策略的胜率比基线策略提升8.7个百分点，验证了所提方法的有效性。本文研究成果可为麻将计算机博弈系统的开发与优化提供理论支撑，也可为其他不完全信息博弈问题的研究提供参考。
机构地区
镇江市欣澜文化传媒有限公司
发表时间
2026年08月04日（期刊网平台发表日期，不代表实际的发表时间）
