计算机博弈是人工智能领域的一个重要的研究课题。计算机博弈也被称为人工智能的果蝇。各种棋类的人工智能研究，都不断取得新的成果。发展最快的是国际象棋，早在上世纪90年代，国际象棋软件就战胜了世界冠军卡斯巴罗夫。中国象棋做为中华民族传统文化的精华，其博弈研究起源于上世纪80年代。其研究过程中，大量借鉴了国际象棋的理论，并且在近年同样取得了很不错的成果。现今已经有很多最顶尖的象棋软件，如赵明阳的象棋奇兵，王骄的棋天大圣，郑明政的象棋世家，陈超营的象棋旋风等。以上象棋软件都能战胜如今的中国象棋第一人，特级大师许银川。但是，这些软件都是商业软件，并不开源。如何做出一个高水平的AI，各大论文中并没有提出准确的方法。　　本文首先介绍了国内外研究现状、开发背景意义和本文的主要工作。紧接着介绍了该系统涉及的基本理论与技术如MFC，坐标系，sha1算法，博弈树，α-β搜索等。然后本文对知识表示进行了研究，提出了一种改进的棋盘知识表示、着法生成方法，加快了搜索速度。并提出一种基于文本的知识库表示，其研究便于知识的存储和搜索。之后本文对α-β搜索的改进进行了研究，阐述了历史启发搜索，迭代加深搜索，zobrist哈希技术，空着裁剪，静态搜索等改进算法以及关键技术，并提出了吃子启发，兵种启发，杀手启发等启发方式。然后综合以上理论，取其精华，设计并提出了一种基于混合优化的改进迭代加深搜索算法。其剪枝效率高，搜索速度快，且基本解决了水平效应问题。然后，本文针对简单的局面评估函数模型导致的棋力不足问题，设计了局面评估函数，提出了一些改进的方案，使系统棋力有所增强。接下来，研究了象棋程序的自学习，提出了一种自学习算法。然后，本文使用MFC为框架实现了中国象棋人机博弈系统，对系统进行了展示。接着对整个系统的运行效果做了测试，评估了系统的搜索效率和棋力。最后，在文章的结尾，本文提出了一些该系统的不足之处和相应的改进思路。　　本系统在测试阶段体现了较高的搜索效率和不错的棋力，测试结果证明，本系统的效果是不错的，对于后人对中国象棋的研究具有参考应用意义。