在维基百科中描述的mcts算法中，它在每个节点选择中执行恰好一个播出（模拟）。现在，我正在一个简单的connect-k游戏中试验这个算法。我想，在实践中，我们是否会进行更多的播放以减少差异？
我尝试了原始算法，只有一个随机播出（非偏置）。与使用alpha-beta修剪的启发式搜索相比，结果很糟糕。它收敛得非常慢。当我执行500次播放时，噪音要小得多。但是，每个节点模拟太慢，算法无法在给定时间内探索树的其他部分，因此有时会错过最关键的移动。
然后我将AMAF（特别是RAVE过渡）启发式添加到基本MCTS。我没有注意到500场比赛的差异，因为差异已经很小了。我还没有用1个播放分析结果。
有人能给我任何见解吗？
答案 0 :(得分：3)
通常，您每个选择步骤都会完成一次播出。但是，后续选择步骤可以多次通过同一节点。
例如，考虑根节点中只有两个可用移动的情况。如果你然后运行，让我们说，MCTS的10,000次完整迭代（其中一次迭代=选择+扩展+播出+反向传播），根节点下面的两个节点中的每一个将被选择大约5,000次（或者也许一个被选中9,000次而另外1000次被选中，如果第一次显然是比seocnd更好的选择，但是，两者都被选中不止一次）。
这是否与您目前在实施中所做的相匹配？如果没有，请尝试提供您当前拥有的一些代码，以便我们可以看到它出错的地方。但如果这是你实现它的方式（它应该如何），那么每个选择步骤只进行一次播出应该没有问题