蒙特卡洛树搜索：双人游戏的树策略

Question

我对如何实施MCTS“树策略”有点困惑。我读过的每篇论文或文章都会谈到从目前的游戏状态（在MCTS teminology中：玩家即将采取行动的根源）进入树状结构。我的问题是我如何选择最好的孩子，即使我在MIN玩家级别（假设我是MAX玩家）。即使我选择MIN可能采取的一些特定动作，并且我的搜索树在该节点中的深度也会更大，但MIN玩家在选择其他节点时可能会选择不同的节点（如果min玩家是业余人员，以及选择一些不一定最好的节点）。由于MIN选择了不同的节点，所以这种做法使得MAX的整个工作通过该节点无效传播。 对于我所指的步骤： https://jeffbradberry.com/posts/2015/09/intro-to-monte-carlo-tree-search/ 其中的树策略：https://jeffbradberry.com/images/mcts_selection.png 种类让我相信他们正在从单一玩家的角度来执行它。

Answer 1

对于MCTS，您需要一些方法来生成合理估计可能移动的概率分布。对于AlphaGo [1]而言，这是本文中的快速推出概率，$ p_ \ pi $，它取得一个状态并输出所有可能移动的粗略概率分布。 AlphaGo团队将此作为一个浅层神经网络，首先在专家级游戏上进行训练，然后通过对抗自己而得到改善。

[1] http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html