在复杂环境中能够进行复杂策略决策的自主智能体的开发是人工智能的核心目标。本文提出了一个在模拟网格世界战场环境中发现和解释策略的框架。我们利用AlphaZero算法——一种将蒙特卡洛树搜索与深度神经网络相结合的强大强化学习方法——来训练智能体。关键在于，该神经网络组件采用了Transformer架构。这项工作的主要贡献在于所提出的方法：利用Transformer内部的自注意力机制来深入理解智能体的决策过程，具体而言，通过可视化展示网络在选择行动时关注战场的哪些区域。该方法不仅旨在开发高性能的智能体，同时也致力于增强其学习所得策略的可解释性。