Expert Iteration（专家迭代）

Expert Iteration由Anthony等人于2017年提出，核心思想是交替进行策略改进和策略评估：使用当前策略引导蒙特卡洛树搜索（MCTS）生成专家动作，然后通过监督学习更新策略网络。该方法在AlphaZero中发扬光大，实现了从零开始学习围棋、国际象棋等游戏。其优势在于结合了搜索的强探索能力和神经网络的泛化能力，但计算成本较高。