【摘要】：UCT搜索是整个蒙特卡洛博弈树搜索的核心，在搜索过程中，对于每个当前节点，通过不断对其子节点完成一个UCB1选点的过程，来走完从根节点到叶子节点的一个路径，并完成对叶子节点的评估及展开。Listing17.5就是关于UCT过程的伪码，其中，simulate函数就是完成主要的搜索过程。如果一个搜索节点不是叶子节点，那么，就对于目前所有的可选子节点中，选出一个UCB值最高的节点，继续这个搜索过程；对于叶子节点来说，则首先对该节点进行评估。
17.3 基于UCT算法的最优搜索
UCT搜索是整个蒙特卡洛博弈树搜索的核心，在搜索过程中，对于每个当前节点，通过不断对其子节点完成一个UCB1选点的过程，来走完从根节点到叶子节点的一个路径，并完成对叶子节点的评估及展开。在UCT搜索过程中，选点的公式的选择并不是唯一的，UCB1是一个通常意义上讲很不错的公式，但是，并不一定遁用于我们程序的具体情况，我们在实际使用中根据我们自己的程序进行调整，程序中知识的比例不同，自然就需要不同的参数。
Listing17.5就是关于UCT过程的伪码，其中，simulate函数就是完成主要的搜索过程。如果一个搜索节点不是叶子节点，那么，就对于目前所有的可选子节点中，选出一个UCB值最高的节点，继续这个搜索过程；对于叶子节点来说，则首先对该节点进行评估。最后，就是子节点的展开过程，我们通过第17.2节讲述的逐渐展开技术，随着该节点的访问次数的增加，来将其子节点一个个地不断引入到搜索过程中来。除了UCB1公式以外，还提供了UCB_TUNNED公式作为另外一个可选项，当然其具体参数还可以做更多的调整，以适用于实际的需要。
Listing17.5 UCT搜索
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
