蒙特卡洛树搜索交替

Question

任何人都可以澄清一下（因为我没有在任何地方找到任何明确的例子）MCTS算法为第二个玩家进行迭代。

我看起来似乎只是看起来像是在玩，例如P1每次移动。 我理解一个代理的步骤，但我从来没有发现任何显示P2放置其计数器的代码，这在生长树时肯定会发生。

基本上我希望：

每个人：

选择节点Player1    展开Player1

选择节点Player2    扩展玩家2

推出    backpropogate

next iter

这是对的吗？有人可以拼出一些伪造的代码吗？无论是迭代还是递归，我都不介意。

感谢您的帮助。

Answer 1

诀窍在于反向传播部分，在那里你更新＆＃34;胜利＆＃34;从球员移动到这个位置的角度来看是可变的。

Code for MCTS

UCT功能下的注意事项，特别是注释：

 #Backpropagate
    while node != None: # backpropagate from the expanded node and work back to the root node
        node.Update(state.GetResult(node.playerJustMoved)) # state is terminal. Update node with result from POV of node.playerJustMoved
        node = node.parentNode

如果你按照函数调用，你会意识到visit变量总是被更新; wins然而，不是。