2、单玩家蒙特卡罗树搜索与亚马逊游戏的蒙特卡罗算法应用

单玩家蒙特卡罗树搜索与亚马逊游戏的蒙特卡罗算法应用

单玩家蒙特卡罗树搜索（SP - MCTS）参数调优

SP - MCTS的参数调优是一个关键环节。为了探究在开发（exploitation）和探索（exploration）之间哪种平衡能带来最佳结果，对公式1中的常数对（C; D）采用了三种不同设置。同时，在250个位置的测试集上，使用三种不同的时间控制进行测试，时间控制通过内存中允许的最大节点数来表示，分别为10⁵、10⁶和5×10⁶个节点。

• 短时间控制 ：内存中最多允许10⁵个节点，每个位置大约对应20秒。此时，开发设置（参数对为(0.1; 32)）取得了最佳结果，平均得分2552分。该设置下搜索能构建出平均最深叶节点在第63层的树，这意味着所选走法的很大一部分都在SP - MCTS树内。而其他两种设置无法生成较深的树。
• 中等时间控制 ：允许10⁶个节点。平衡设置（参数对为(0.5; 10,000)）表现最佳，得分2858分。与短时间控制相比，平衡设置的平均得分增加最多，达470分，且能构建比短时间控制更深的树（平均深度从19层提升到37层）。值得注意的是，即使中等时间控制的探索设置有10倍于短时间控制开发设置的时间，其得分也未显著高于开发设置。
• 长时间控制 ：允许5×10⁶个节点。平衡设置再次取得最高得分3008分，平均最深节点在第59层。不过，开发设置的得分仅比平衡设置少200分，比探索设置少100分。

从这些结果可以得出两个结论：一是构建深搜索树很重要；二是当搜索时间有限时，开发局部最