1、简介

• 蒙特卡罗树搜索是一类树搜索算法的统称，简称MCTS。它是一种用于某些决策过程的启发式搜索算法，且在搜索空间巨大的游戏中会比较有效。
• 从全局来看，蒙特卡洛树搜索的主要目标是：给定一个游戏状态来选择最佳的下一步。
• 等常见应用包括Alpha Go、象棋、围棋AI程序等。
• 算法过程
  • 选择 (Selection)
    • 选择能够最大化UCB值的结点。
    • 
  • 扩展 (Node Expansion)
    • 创建一个或多个子结点。
  • 仿真 (Rollout)
    • 在某一结点用随机策略进行游戏，又称为playout或者rollout。
  • 反向传播 (Backpropagation)
    • 使用随机搜索的结果来更新整个搜索树。
• 流程图
  • 

2、选择

• 选择子结点中UCB值最大的结点。
• 下面为UCB的计算公式：
  • 
  • 平均value = value / 探索次数。

3、扩展

• 将选择结点所有可能的动作添加到树中。
• 

4、仿真

• 对没有被探索过的结点进行仿真。
• 
• 选择好结点后进行随机决策，得到仿真的价值。
  • 
• 伪代码：
  • 

5、反向传播

• 计算出value后，需要反向传播该值。
• 

6、终止条件

• 终止条件：
  • 给定的限制时间
  • 给定的固定迭代次数
• 迭代完成后，选择value更大的结点即可完成决策。