蒙特卡洛是摩洛哥著名赌场，赌场玩的便是概率。说到概率，最大略便是抛硬币和掷骰子。
由于骰子一样平常不是质地均匀的，为了能够知道每个点数涌现的概率，很大略的方法便是不断地掷骰子，当掷到一定次数后，我们就可以估计出每个点数涌现的概率了。很显然，次数越多，我们就越确信，这便是传说中的大数定律啊。大数定律(law of large numbers)，是一种描述当试验次数很大时所呈现的概任性质的定律。但是把稳到，大数定律并不是履历规律，而是在一些附加条件上经严格证明了的定理，它是一种自然规律因而常日不叫定理而是大数“定律”。
言归正传，为了确定一盘棋的形式好与坏，我们有很多种方法，常规思路，比如象棋可用车马炮数量和位置来剖断。五子棋可用活三活二，双活三等等来剖断。围棋有点繁芜，还真不太会剖断。
那么有没有一种方法可以剖断任何棋类盘面的好坏，而无需知道这种棋详细好坏的细则。只须要知道什么是输和赢，哪些走法合理即可呢？
答案便是蒙特卡洛方法，在某一待剖断盘面下，双方随后轮流随机下（但走法要合理，马走日，象走田），然后直到末了分出输赢。随机下一盘分出的胜负是没故意义的，但是随机下N多盘之后，通过大数定律我们可以知道双方的详细胜率为何！
我们现在已经知道如何剖断局势的好坏了，我们也知道剖断一个盘面的好坏须要随机对抗很多盘！
每个盘面我们都面临着不同的走法选择，不同的走法又会衍生出不同的盘面。范例的一对多，树状构造，我们称其为博弈树。我们没有足够的算力去剖析博弈树中任意盘面的好与坏。以是我们须要取舍，即放弃一些盘面，只对它少进行剖析，而多剖析哪些比较有上风的盘面，进一步确定上风盘里面哪个盘面最为上风！
蒙特卡洛树搜索将树搜索与蒙特卡洛方法有机结合起来了。
蒙特卡洛方法剖断棋面的好与坏，树搜索算法根据现有已知盘面的胜率来调度下一步须要仿照对抗的盘面。如果某一个盘面胜率很差，那么也没有必要把珍惜的算力去仿照这个盘面了。
当前盘面下，若其还有从未下过的走法，就扩展这个盘面的得到新的子盘面，若已探查了所有走法，则挑选目前最良好率子盘面，进一步仿照对抗，并回溯对抗结果，更新当前盘面以及子盘的胜率信息。
什么是好的盘面呢，便是胜率比较高，并且下的次数比较少的盘面。什么样的盘面可以放弃了，便是胜率低，并且下的次数还多盘面。
综上述，蒙特卡洛树搜索核心步骤：选择，扩展，仿照，回溯。
深入理解请阅读 https://zhuanlan.zhihu.com/p/34950988
并行化蒙特卡洛树搜索我们知道AI打算比较花费CPU的性能，而现在的CPU每每是多核心多线程的。以是我们要充分利用CPU进行并行打算。即我们可以同时对抗仿照多个盘面，而不用一个一个的对抗仿照。
翻看了一篇论文，作者刘安吉 下载地址 https://openreview.net/pdf?id=BJlQtJSKDB
一个大略的蒙特卡洛树搜索并行化方法
总结：本人特殊喜好蒙特卡洛树搜索算法，硕士毕业论文研究的算法就涉及蒙特卡洛方法。为了提升棋力并减少运算韶光，挖空心思的优化代码和参数。终极，在我的小条记本电脑上，以每秒仿照对抗1500盘性能，几秒之内，吊打我了！
希望可以帮到有缘人，并以此文庆祝我儿子满两个月了，爸爸往后会把所有知识对你倾囊相授的~~~
视频加载中...
