不完全情報ゲームはゲームの複雑さとともに，隠された情報には確率が含まれるため，対戦相手の次の行動により適切な行動が変化する．それゆえ，対戦相手の行動を予測し意思決定を行う必要がある．したがって，強いゲームAIの構築は難しい．本研究では，不完全情報ゲームで特定の相手との対戦から，学習することを繰り返し行うことで，ゲームの構造を理解し，古い世代の戦略よりも強い戦略の構築を目指す．不完全情報ゲームの1つである「ハゲタカのえじき」を題材にし，簡易化した環境で実験を行った．具体的には，手札と場札をそれぞれ1~5の数字が書かれた5枚のカードとした．戦略の作成には強化学習を用いて，相手との対戦から学習を行った．戦略を学習の世代によって更新することで，古い世代の戦略に対して優劣を検証した．また，戦略が行動を決定する際のゲームの情報における重要度を評価した．強化学習を用いて相手との対戦から戦略を更新した結果，古い世代の全ての戦略に対し60%以上の勝率となった．その戦略は，ゲームの情報のうち，残りの場札の数字を重要視して，行動を決定していた．
