蒙特卡洛树搜索(MCTS)的原理
哪些公司问过
答案要点
- 适用于状态空间大、难穷举的序贯决策,如围棋等博弈和规划问题
- 四步迭代:选择、扩展、模拟(rollout)、回溯更新访问次数和收益
- 选择用UCT:平均收益 + c·√(ln N父 / N子),平衡利用与探索
- 最终动作通常选根节点下访问次数最多的子节点,比选平均收益最高更稳健
- AlphaGo用策略网络给先验、价值网络估值引导MCTS,AlphaGo Zero去掉了随机rollout
易错点
- 把四个步骤的顺序或含义说乱,比如把回溯说成重新模拟
- 说MCTS只靠随机模拟,忽略选择阶段的UCT引导
- 认为AlphaGo系列一直使用随机rollout
面试官常见追问
- UCT公式里的常数c怎么影响搜索?
- MCTS和Minimax搜索相比有什么优势?
- AlphaGo里的PUCT和UCT有什么不同?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。