今天(2017-10-19) 看到一篇关于蒙特卡罗搜索树 (Monte Carlo Tree Search) 的文章，感觉写的非常好，决定尝试翻译一下，于是就有了这篇文章:)！原文在这[阅读原文](http://mcts.ai)。
Monte Carlo Tree Search
1 What is MCTS?
蒙特卡罗搜索树是 一个在人工智能(AI)问题中做出优化决策的方法，通常在组合游戏中移动规划。它将随机模拟的一般性与树搜索的精度相结合。
由于 AlphaGo 卓越的表现，并潜在应用于一些其他难题上，人们对MCTS的研究兴趣急剧上升。其应用范围超越了游戏，理论上 MCTS 可以应用于能用 {state，action} 来描述的任何领域，以及预测结果的 模拟。
2 Basic Algorithm
基本的MCTS算法很简单：根据模拟当前状态的结果，逐个节点构建搜索树。该过程可以分为以下4个步骤：
MCTS
- Selection
从根节点Root开始，递归地选择最佳子节点(后面详述)，直到到达叶节点L。 - Expansion
如果L不是一个终止节点(游戏未结束)，然后创建一个或多个子节点并选择一个C。 - Simulation
从C运行模拟输出，直到达到结果。(注：这里有点拗口，可以简单理解为当前节点输赢的概率） - Backpropagation
用上一步得到的结果，反向更新当前搜索路径上的每个节点的值。
补充：
(1) 每个节点必须包含两个重要的信息：基于模拟结果的估计值和它被访问的次数。
(2) 在最简单和最高记忆效率的实现中，MCTS将每次迭代添加一个子节点。根据具体的业务场景: 每次迭代添加多个子节点可能更好。
3 Node Selection
如何选择最优的子节点呢？
树下降期间的节点选择，是通过选择最大化一些数量的节点来实现的(译者注：类似于贪心的策略，每次选取局部最优，这个最优是模拟出来的，所以每个子节点都有机会)，类似于玩家必须选择胜算最大的落子位置。通常使用以下公式来计算：
Upper Confidence Bounds for Trees (UCB)
其中vi是节点的估计值，ni是节点被访问的次数，N是其父访问次数的总次数。C是可调偏置参数。
4 Conclusion
- UCB公式平衡了对已知奖励的开发与探索相对未访问的节点，以鼓励他们的锻炼。
- 奖励估计是基于随机模拟，因此节点必须在这些估计值变得可靠之前多次访问;
- MCTS的估计通常在搜索开始时是不可靠的，但是在给定足够的时间和给出无限时间的完美估计的情况下，收敛到更可靠的估计。
