Monte-Carlo tree search (MCTS) uses

Monte-Carlo tree search (MCTS) uses Monte-Carlo simulation to evaluate the nodes of a search tree [1]. The values in the search tree are then used to select the best action during subsequent simulations. Monte-Carlo tree search is sequentially
best-first: it selects the best child at each step of simulation. This allows the search to continually refocus its attention,
each simulation, on the highest value regions of the state space. As the search tree grows larger, the values of the nodes
approximate the minimax value, and the simulation policy approximates the minimax policy.

Kết quả (Việt) 1:

Monte-Carlo cây tìm (MCTS) sử dụng Monte-Carlo mô phỏng để đánh giá các node của một cây tìm kiếm [1]. Các giá trị trong cây tìm kiếm sau đó được sử dụng để chọn hành động tốt nhất trong thời gian tiếp theo mô phỏng. Monte-Carlo cây tìm kiếm là tuần tựtốt nhất đầu tiên: nó chọn con tốt nhất ở mỗi bước của mô phỏng. Điều này cho phép tìm kiếm để liên tục refocus sự chú ý của nó,mỗi mô phỏng, trên khu vực giá trị cao nhất của không gian trạng thái. Khi cây tìm kiếm phát triển lớn hơn, các giá trị của các nútgần đúng giá trị minimax, và chính sách mô phỏng xấp xỉ minimax chính sách.