Monte Carlo Tree Search

MCTS通过选择、扩展、模拟和回溯四步迭代构建搜索树，使用UCB公式平衡探索与利用。它在围棋等博弈中因AlphaGo而闻名，也用于规划与强化学习。其优点是不需领域知识即可渐近最优，但计算成本高，常与神经网络结合（如AlphaZero）提升效率。