一、目标
一种启发式的搜索算法，在搜索空间巨大的场景下比较有效
算法完成后得到一棵树，这棵树可以实现：给定一个游戏状态，直接选择最佳的下一步
二、算法四阶段
1、选择（Selection）
父节点选择UCB值最大的子节点作为当前节点
U
C
B
=
V
i
‾
+
c
2
l
n
N
n
i
UCB=\overline{V_{i}} +c\sqrt{\frac{2lnN}{n_{i}}}
UCB=Vi+cni2lnN
其中，c通常取2。
n i n_{i} ni代表 i i i 节点被选择的次数， N N N代表其父节点被选择的次数。
V i ‾ \overline{V_{i}} Vi 代表 i i i 节点的平均价值大小（例如 i i i 节点 V i = v , n i = 3 V_{i}=v,n_{i}=3 Vi=v,ni=3，则 V i ‾ = v / 3 \overline{V_{i}}=v/3 Vi=v/3）。
2、扩展（Expansion）
为当前节点创建一个或多个子节点（子节点代表当前节点下可采取的动作）
3、仿真（Simulation/Rollout）
在某一节点用随机策略进行模拟（rollout）
def Rollout(S_i):
# S_i = 当前状态
While True:
# S_i达到终止条件/状态(下棋中某方获胜或平局)
if S_i a terimal state:
# 返回结果value
return value(S_i)
# 还未终止，则
# 随机选择一个当前状态下的可用动作
A_i = random(available_action(S_i))
# 在当前状态下采取动作，得到新的状态
S_i = simulate(A_i, S_i)
4、反向传播（Backpropagation）
得到模拟结果后不断反向更新父节点
三、运行过程
n代表当前节点被探索的次数。
则运行过程如下：
1、选择节点
- 当前节点是叶节点，则选择该节点
- 当前节点有孩子，孩子中UCB值最大的作为选择的节点
2、节点扩展 + 模拟
- 若选择的节点未模拟过（n=0），则进行模拟，得到结果后更新该节点 n=1 , value=结果数值。
- 若选择的节点模拟过（n≠0），则扩展节点。添加在该节点下所有可采取的动作，作为孩子
- 选择第一个孩子作为当前节点，进行模拟
def Rollout(S_i):
# S_i = 当前状态
While True:
# S_i达到终止条件/状态(下棋中某方获胜或平局)
if S_i a terimal state:
# 返回结果value
return value(S_i)
# 还未终止，则
# 随机选择一个当前状态下的可用动作
A_i = random(available_action(S_i))
# 在当前状态下采取动作，得到新的状态
S_i = simulate(A_i, S_i)
3、反向传播
- 当孩子得到 V c = v , n c + = 1 V_{c}=v,n_{c}+=1 Vc=v,nc+=1，反向传播到父节点，父节点 V p + = v , n p + = 1 V_{p}+=v,n_{p}+=1 Vp+=v,np+=1，直至传播到根节点。
三、实例
具体样例可参考博客蒙特卡洛树搜索（MCTS）详解、蒙特卡洛树搜索 MCTS 入门或b站视频AI如何下棋？直观了解蒙特卡洛树搜索MCTS！！！
