我试图实现tic-tac-toe hello-world MCTS游戏玩家，但我遇到了一个问题。
在模拟游戏并选择“最有前途”（漏洞利用/探索）节点时，我只考虑总胜利数（“漏洞利用”部分） - 这会导致某些问题，所得算法根本不具防御性。因此在选择时
选择更糟糕的一个（1; 109）因为我的uct函数贪婪计算avg wins而不是“value”。
我是否正确地认识到了这个问题？我应该从“avg wins”切换到考虑所有结果类型的其他价值指标吗？
欢迎任何建议，谢谢
答案 0 :(得分：3)
由于井字游戏是一种零和游戏（一个玩家的状态值总是等于对手的否定值），你的得分函数也应该反映这一点。
这意味着，在计算平均分数时，您应该使用以下值：
在您的示例中，这将导致以下平均分数：
-10/110 = -0.0909... -108/110 = -0.98181... 因此，第一个选项将被视为更好的选择