Начни с формализации игры: перечисли состояния, действия и выигрыш для каждого игрока. Потом поищи паттерн value-iteration или minimax – если игра с нулевой суммой и конечная, теорема minimax гарантирует оптимальную стратегию. На практике напиши рекурсивный решатель, который перебирает все варианты, отсекает ветви с помощью alpha-beta и кеширует результаты. Если столкнешься с игрой с ненулевой суммой или с вероятностями, переходи к марковскому процессу принятия решений и вычисляй оптимальную политику методом динамического программирования. Старайся держать пространство состояний небольшим, используй симметричное упрощение и итерируй, пока значения не стабилизируются. Как только это будет сделано, ты сможешь подстраивать политику под конкретных соперников, но основа – это надежный движок оптимальной игры.