现阶段网络上的五子棋游戏主要是剪枝法或者人工标注，这样导致了机器落子具有了局限性，遇到全新的棋形时无法正确落子。基于上面五子棋游戏的漏洞，本文设计一学习型五子棋博弈算法，算法通过深度学习和蒙特卡洛树搜索算法打破既定规则，提高了机器在下棋时的多变性。该软件使用的神经网络将我方落子、敌方落子、当前落子位置以及当前落子玩家，四个矩阵作为输入数据，加强了网络提取特征的速度和拟合效率，并获取每个点的概率值。在蒙特卡洛树搜索算法中使用了快速落子方式，即标注出多个关键点的价值，使得在模拟时，不需要在无胜算的地
