简介： 本发明提供了一种基于蒙特卡洛采样的棋牌强化学习方法、系统及介质，包括，获取玩家的当前状态；确定玩家在所述当前状态下的多个预测动作；对于所述多个预测动作中的每一个：将所述当前状态和预测动作输入棋牌模型，模型输出所述预测动作对应的第一评分，其中，所述棋牌模型通过基于蒙特卡洛采样得到的训练样本训练得到；将最大的第一评分所对应的预测动作作为玩家的当前动作,使得可以将模型的输出变成1维，便于结果收敛。