算法学习（三）——蒙特卡洛树搜索

四个阶段：

选择，展开，模拟，反传

关键公式：

信任度上限树(Upper Confidence bound applied to Trees(UCT))

参考文章：

https://zhuanlan.zhihu.com/p/25345778

参考代码：

https://github.com/junxiaosong/AlphaZero_Gomoku

里边有用纯mcts的AI，实现的很巧妙。

 

参考论文：

基于蒙特卡洛树搜索的计算机围棋博弈研究_于永波

 

自己的理解：

每次在选择阶段，选择一个叶节点，进行评估并展开。所以树结构是逐渐展开的，被展开的节点在展开前被评估过一次，展开的是向最有可能赢的方向逐渐加深的。