你能解释一下如何建树吗？
我完全理解如何选择节点，但更好的解释确实可以帮助我实现这个算法。我已经有一个代表游戏状态的棋盘，但我不知道（理解）如何生成树。
有人能指出一个评论很好的算法实现（我需要将它用于AI）吗？还是更好的解释/例子呢？
我没有在网上找到很多资源，这个算法相当新......
答案 0 :(得分：24)
生成树的最佳方法是一系列随机播放。诀窍是能够在探索和利用之间取得平衡（这是UCT的用武之地）。这里有一些很好的代码示例和大量的研究论文参考：https://web.archive.org/web/20160308043415/http://mcts.ai:80/index.html
当我实现算法时，我使用随机播放，直到我达到终点或终止状态。我有一个静态评估函数，可以计算此时的收益，然后从这一点开始将分数传播回树上。每个球员或“球队”都假定另一支球队将为自己发挥最佳动作，并为对手做出最糟糕的举动。
我还建议查看Chaslot和他的博士论文的论文以及一些参考他的工作的研究（从那时起基本上所有的MCTS工作）。
例如：玩家1的第一次移动可以模拟未来10次移动，在玩家1移动和玩家2移动之间交替。每次你必须假设对方球员会尽量减少你的分数，同时最大化他们自己的分数。基于这种称为博弈论的整个领域。一旦你模拟到10场比赛结束，你再次从起点迭代（因为没有必要只模拟一组决定）。树的这些分支中的每一个都必须在分数在树上传播的位置进行评分，并且分数代表进行模拟的玩家的最佳可能收益，假设另一个玩家也为自己选择最佳移动。
MCTS包含四个战略步骤，只要剩下时间就会重复。步骤如下。
在选择步骤中，树被遍历 根节点，直到我们到达节点E，在那里我们选择一个尚未添加到树的位置。
接下来，在播放步骤中，移动以自我播放的方式进行，直到到达游戏结束。对于Black（LOA中的第一个玩家）获胜，这个“模拟”游戏的结果R是+1，如果是平局，则为0，如果是白棋，则为-1。
随后，在扩展步骤中，将E的子项添加到树中。
最后，R在反向传播步骤中沿着从E到根节点的路径传播回来。当时间到了，程序播放的移动是具有最高值的根的子节点。 （这个例子来自本文 - PDF
www.ru.is/faculty/yngvi/pdf/WinandsBS08.pdf
以下是一些实现：
使用某些MCTS实现的库和游戏列表 http://senseis.xmp.net/?MonteCarloTreeSearch
和一个名为Fuego的游戏独立开源UCT MCTS库 http://fuego.sourceforge.net/fuego-doc-1.1/smartgame-doc/group__sguctgroup.html
答案 1 :(得分：3)
来自http://mcts.ai/code/index.html：
Below are links to some basic MCTS implementations in various
programming languages. The listings are shown with timing, testing
and debugging code removed for readability.
答案 2 :(得分：3)
如果您有兴趣，我写了这篇文章：https://github.com/avianey/mcts4j