深度学习和强化学习技术的快速发展推动了人工智能领域中相关理论和技术的创新。自从2016年Alpha Go智能机器人的大获成功,越来越多的科研人员开始关注机器博弈领域算法研究。机器博弈是人工智能领域中难度最大的研究方向之一,根据智能体掌握信息完全与否,机器博弈被划分成两大类:非完全信息机器博弈和完全信息机器博弈。围棋智能体的成功代表着机器博弈领域中完全信息游戏取得了历史性突破。对于状态和动作空间更大,更具有挑战性的非完全信息博弈游戏领域仍然还有很多亟待解决的问题。非完全信息博弈指参与者彼此的信息不完全公开,彼此不完全了解对方得到的特征和信息,所以相比完全信息博弈其难度更大。本文将非完全信息博弈游戏中的典型代表麻将游戏作为研究的切入点,针对非完全信息博弈游戏中的状态维度和动作空间巨大的特点,利用深度强化学习技术,探索基于A3C（Asynchronous Advantage Actor-Critic,异步的优势行动者评论家算法）的深度模型在非完全信息博弈应用中的新方法和新技术。本文主要创新工作如下:（1）针对非完全信息博弈游戏的类别特征,提出了基于类别编码的语义特征。该编码方式作为后面所提出模型的输入特征,目的是使模型更好的学习抽象知识、更好的提取特征。（2）鉴于深度强化学习模型的优势,基于类别编码的语义特征,提出了改进的A3C模型,并基于该模型设计决策方法,解决非完全信息博弈游戏中的决策问题。改进的A3C模型是对原始A3C模型中的“worker”网络结构进行了改进,并采用深度强化学习中的自学习训练方式对改进A3C模型进行训练。通过在天凤在线竞技网站上与人类玩家进行实时实验,验证了所提出的决策方法的胜负率更高。（3）为了进一步优化决策方法,更充分地考虑对手玩家的行为信息,提出了防御模型（Defence Model）,对其他玩家的听牌行为进行预测。并且,将基于改进的A3C模型的决策方法和防御模型进行结合,提出了联合决策（Joint Decision）方法,更好地体现了博弈中的“进攻-防守”的仿人思维。通过将联合决策方法在天凤在线竞技网站上与人类玩家进行实时测试,验证了提出的联合决策方法胜负率更高。