8、多人围棋与并行蒙特卡罗树搜索算法研究

多人围棋与并行蒙特卡罗树搜索算法研究

1. 多人围棋算法分析

1.1 不同算法的得分结果

在多人围棋中，对多种算法进行了测试，以下是部分算法在不同情况下的得分情况：
- 偏执算法（Paranoid） ：在 1000 次模拟中，不同轮次下，黑色、白色和红色的得分有所波动。例如，在某些轮次中，黑色得分可达 31.71 等。
- 联盟算法（Alliance） ：使用不同的计分系统会得到不同的结果。
- 正常计分（Normal） ：与偏执算法对抗时优势不明显，但对阵 RAVE 算法有较好结果。
- 盟友计分（Allies） ：联盟算法表现更好，而偏执和 RAVE 算法结果变差。
- 联合计分（Joint） ：联盟算法效果最佳，偏执算法平均仅得 1.57 分，RAVE 算法仅得 0.30 分。
- 自信算法（Confident） ：与偏执和 RAVE 算法相比，表现明显较差，且偏执算法略优于 RAVE 算法。
- 对称自信算法（Symmetric Confident） ：同样，偏执和 RAVE 算法表现更好，偏执算法稍优。
- 相同算法（Same） ：
- 正常计分 ：与偏执算法对抗时优势不大，甚至稍差。
- 盟友计分 ：合作效果显著提升