10、蒙特卡罗树搜索评估游戏状态

蒙特卡罗树搜索评估游戏状态

1. 蒙特卡罗树搜索（MCTS）概述

在评估游戏状态时，传统的α - β剪枝需要使用位置评估函数，但在围棋中，位置评估非常困难，简单的基于提子的启发式方法难以欺骗有经验的棋手。蒙特卡罗树搜索（MCTS）提供了一种无需游戏战略知识就能评估游戏状态的方法。它通过模拟随机游戏来估计一个位置的优劣，一次随机游戏被称为一次“rollout”（展开）。

MCTS 属于蒙特卡罗算法家族，该家族利用随机性来分析极其复杂的情况，其名称灵感源于摩纳哥著名的赌场区。虽然看起来通过随机落子构建好的策略似乎不太可能，但当两个随机 AI 相互对抗时，如果一方持续获胜，那么很可能是该方起始位置具有优势。而且，进行的展开次数越多，估计就越准确。例如，模拟 10 次随机游戏，白方赢 7 次，很难确定白方具有优势；但如果模拟 100 次，白方赢 70 次，就可以确定起始位置对白方有利。

2. MCTS 算法步骤

MCTS 算法每一轮包含三个步骤：
1. 向 MCTS 树中添加一个新的棋盘位置。
2. 从该位置模拟一个随机游戏。
3. 用随机游戏的结果更新树的统计信息。

不断重复这个过程，直到达到固定的轮数或时间。最后，树顶部的统计信息会告诉你选择哪一步棋。

下面是一个单轮 MCTS 算法的详细步骤：
- 选择节点 ：在树的底部选择一个叶子节点，准备添加一个新的子节点。
- 添加新节点 ：从该节点随机选择下一步棋，计算新的棋盘位置，并将该节点添加到树中。
- 模拟随机游戏 <