Artificial intelligence 蒙特卡罗树搜索

有谁能澄清一下，我在第二个玩家的MCTS算法迭代的任何地方都没有找到任何清晰的例子

我所看到的每件事都像是在玩游戏。 我了解一个代理的步骤，但我从未发现任何显示P2放置计数器的代码的东西，这肯定是在树生长时发生的

基本上，我希望：

对于每个iter：

选择节点播放器1 展开Player1

选择节点播放器2 展开播放器2

卷展 反向传播

下一个iter

是这样吗？？有人能拼出一些显示这一点的密码吗？无论是迭代还是递归，我都不介意

---

感谢您的帮助。

技巧在反向传播部分，您可以从移动导致进入此位置的玩家的角度更新wins变量

UCT职能下的通知，特别是评论：

 #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

---

如果您遵循函数调用，您会意识到visit变量总是更新的；然而，胜利并非如此。

谢谢您的回复。我将很快回顾代码。但是我仍然没有得到选择方面-我肯定必须在P1可用的移动之间交替，得到该节点，然后在玩家2中重复类似于minimax的所有操作？？您的代码看起来非常具有描述性，谢谢。我认为我面临的困难是，在我的游戏中，每个玩家都有一套独特的可用招式，就像在国际象棋中一样，因此我无法保留，因为我看到了可用的剩余招式列表-它们与玩家位置相关，也像邻居一样，因此我必须在每次移动后重新生成它们。关于选择方面，每个节点都知道它的子节点从自己的角度保持赢/访问量，所以遵循相同的UCB公式是可以的。关于第二条注释，请注意每个节点都有一个与其关联的对应状态。您要求从该状态开始所有未尝试的移动，节点初始，所以未尝试的移动属性节点当然是相对于玩家位置的，每次移动后都会重新生成。我遇到的问题是，节点不知道哪些移动现在不可用-它会在彼此最后一次移动之前看到棋盘的图片，等等，这样玩家就可以移动到彼此的“顶部”，或者移动到其他无效区域。我真的无法在MCTS迭代循环中获得“每个州的玩家之间的轮换”，谢谢你的额外建议，我会考虑到这一点再看一看。我仍然不确定。我认为迭代必须是这样的：对于每个iter播放器1选择播放器1扩展播放器2选择播放器2扩展卷展栏反向传播下一个iter