詳細解釋
蒙地卡羅樹搜尋（MCTS）是結合隨機採樣和樹搜尋的決策算法，在巨大搜索空間中找到好策略。
四個步驟：
- 選擇：從根到葉，選最有潛力節點（UCB公式）
- 擴展：添加新子節點
- 模擬：從新節點隨機玩到底（rollout）
- 反向傳播：更新路徑上節點統計
UCB公式：
- 平衡探索（未充分嘗試）和利用（已知高獎勵）
- 選擇得分最高的子節點
應用：
- AlphaGo/AlphaZero：圍棋、象棋、將棋
- 遊戲AI：即時策略遊戲
- 規劃：機器人動作規劃
- 優化：組合優化問題
與深度學習結合：
- 策略網路：指導MCTS選擇
- 價值網路：替代隨機rollout
- 兩者結合成就AlphaGo
優勢：
- 無需領域知識：從零學習
- 隨時中斷：時間到可給出答案
- 漸進改進：時間越多效果越好
是強化學習和AI的經典算法。