蒙特卡洛樹搜索演算法主要用於

A. 蒙特卡洛樹是什麼演算法

蒙特卡羅樹搜索(MCTS)會逐漸的建立一顆不對稱的樹。可以分為四步並反復迭代：

(1)選擇
從根節點，也就是要做決策的局面R出發向下選擇一個最急迫需要被拓展的節點T；局面R是第一個被檢查的節點，被檢查的節點如果存在一個沒有被評價過的招式m，那麼被檢查的節點在執行m後得到的新局面就是我們所需要展開的T；如果被檢查的局面所有可行的招式已經都被評價過了，那麼利用ucb公式得到一個擁有最大ucb值的可行招式，並且對這個招式產生的新局面再次進行檢查；如果被檢查的局面是一個游戲已經結束的游戲局面，那麼直接執行步驟4；通過反復的進行檢查，最終得到一個在樹的最底層的最後一次被檢查的局面c和它的一個沒有被評價過的招式m，執行步驟2。

(2)拓展
對於此時存在於內存中的局面c，添加一個它的子節點。這個子節點由局面c執行招式m而得到，也就是T。

(3)模擬
從局面T出發，雙方開始隨機的落子。最終得到一個結果(win/lost)，以此更新T節點的勝利率。

(4)反向傳播
在T模擬結束之後，它的父節點c以及其所有的祖先節點依次更新勝利率。一個節點的勝利率為這個節點所有的子節點的平均勝利率。並從T開始，一直反向傳播到根節點R，因此路徑上所有的節點的勝利率都會被更新。

B. AlphaGo 用了哪些深度學習的模型

AlphaGo用了一個深度學習的模型：卷積神經網路模型。

阿爾法圍棋（AlphaGo）是一款圍棋人工智慧程序。其主要工作原理是「深度學習」。「深度學習」是指多層的人工神經網路和訓練它的方法。

一層神經網路會把大量矩陣數字作為輸入，通過非線性激活方法取權重，再產生另一個數據集合作為輸出。這就像生物神經大腦的工作機理一樣，通過合適的矩陣數量，多層組織鏈接一起，形成神經網路「大腦」進行精準復雜的處理，就像人們識別物體標注圖片一樣。

(2)蒙特卡洛樹搜索演算法主要用於擴展閱讀：

阿爾法圍棋用到了很多新技術，如神經網路、深度學習、蒙特卡洛樹搜索法等，使其實力有了實質性飛躍。

美國臉書公司「黑暗森林」圍棋軟體的開發者田淵棟在網上發表分析文章說，阿爾法圍棋系統主要由幾個部分組成：

一、策略網路（Policy Network），給定當前局面，預測並采樣下一步的走棋；

二、快速走子（Fast rollout），目標和策略網路一樣，但在適當犧牲走棋質量的條件下，速度要比策略網路快1000倍；

三、價值網路（Value Network），給定當前局面，估計是白勝概率大還是黑勝概率大；

四、蒙特卡洛樹搜索（Monte Carlo Tree Search），把以上這三個部分連起來，形成一個完整的系統。

C. 誰一直在研究如何使用人工智慧打王者榮耀

如果讓人工智慧來打王者榮耀，應該選擇什麼樣的英雄？近日，匹茨堡大學和騰訊 AI Lab 提交的論文給了我們答案：狄仁傑。在該研究中，人們嘗試了 AlphaGo Zero 中出現的蒙特卡洛樹搜索（MCTS）等技術，並取得了不錯的效果。
對於研究者而言，游戲是完美的 AI 訓練環境，教會人工智慧打各種電子游戲一直是很多人努力的目標。在開發 AlphaGo 並在圍棋上戰勝人類頂尖選手之後，DeepMind 正與暴雪合作開展星際爭霸 2 的人工智慧研究。去年 8 月，OpenAI 的人工智慧也曾在 Dota 2 上用人工智慧打敗了職業玩家。那麼手機上流行的多人在線戰術競技游戲（MOBA 游戲）《王者榮耀》呢？騰訊 AI Lab 自去年起一直在向外界透露正在進行這樣的研究。最近，匹茨堡大學、騰訊 AI Lab 等機構提交到 ICML 2018 大會的一篇論文揭開了王者榮耀 AI 研究的面紗。

本文中，我們將通過論文簡要介紹該研究背後的技術，以及人工智慧在王者榮耀中目前的能力。

2006 年 Remi Coulom 首次介紹了蒙特卡洛樹搜索（MCTS），2012 年 Browne 等人在論文中對其進行了詳細介紹。近年來 MCTS 因其在游戲 AI 領域的成功引起了廣泛關注，在 AlphaGo 出現時關注度到達頂峰（Silver et al., 2016）。假設給出初始狀態（或決策樹的根節點），那麼 MCTS 致力於迭代地構建與給定馬爾可夫決策過程（MDP）相關的決策樹，以便注意力被集中在狀態空間的「重要」區域。MCTS 背後的概念是如果給出大概的狀態或動作值估計，則只需要在具備高估計值的狀態和動作方向擴展決策樹。為此，MCTS 在樹到達一定深度時，利用子節點鑒別器（策略函數（Chaslot et al., 2006）rollout、價值函數評估（Campbell et al., 2002; Enzenberger, 2004），或二者的混合（Silver et al., 2016））的指引，生成對下游值的估計。然後將來自子節點的信息反向傳播回樹。

MCTS 的性能嚴重依賴策略／值逼近結果的質量（Gelly & Silver, 2007），同時

D. 2019年戰勝人類圍棋九段李世石的人工智慧alpha+go它所使用的學習演算法叫什麼

咨詢記錄 · 回答於2021-12-21

E. 蒙特卡洛樹是什麼演算法

蒙特卡洛演算法就是用很多個隨機事件的結果去逼近所需要的精確結果。
與常規的牛頓搜索，正交共軛搜索之類演算法不同，蒙特卡洛不用確定搜索方向，每取一個值，都跟上一個取值無關，正因為如此每一步都有很多種的可能性，這樣在設計圍棋這樣求解步數很多的事情或過程時，所需要的內存和CPU性能幾乎是無窮大，

F. 10個常用演算法

原理：
二分法查找，也稱為折半法，是一種在有序數組中查找特定元素的搜索演算法。

一般步驟：
（1）確定該區間的中間位置K；
（2）將查找的值T與array[k]比較。
若相等，查找成功返回此位置；否則確定新的查找區域，繼續二分查找。每一次查找與中間值比較，可以確定是否查找成功，不成功當前查找區間將縮小一半，遞歸查找即可。

原理：
一種通過重復將問題分解為同類的子問題而解決問題的方法

典型例子：
斐波那契數列
描述： 斐波那契數列 指的是這樣一個數列 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368.....自然中的斐波那契數列") 自然中的斐波那契數列，這個數列從第3項開始，每一項都等於前兩項之和。

解決方式：

原理：
在搜索嘗試過程中尋找問題的解，當發現已不滿足求解條件時，就「回溯」返回，嘗試別的路徑。
回溯法是一種選優搜索法，按選優條件向前搜索，以達到目標。
但當探索到某一步時，發現原先選擇並不優或達不到目標，就退回一步重新選擇，這種走不通就退回再走的技術為回溯法，而滿足回溯條件的某個狀態的點稱為「回溯點」。

解決問題一般步驟：
1、 針對所給問題，定義問題的解空間，它至少包含問題的一個（最優）解。

2 、確定易於搜索的解空間結構,使得能用回溯法方便地搜索整個解空間 。

3 、以深度優先的方式搜索解空間，並且在搜索過程中用剪枝函數避免無效搜索。

典型例子：
八皇後問題
描述：在8×8格的國際象棋上擺放八個皇後，使其不能互相攻擊，即任意兩個皇後都不能處於同一行、同一列或同一斜線上，問有多少種擺法。

解決方式： https://blog.csdn.net/weixin_41865447/article/details/80034433

概念：
將雜亂無章的數據元素，通過一定的方法按關鍵字順序排列的過程叫做排序。

分類：
非穩定排序演算法：快速排序、希爾排序、堆排序、直接選擇排序
穩定的排序演算法：基數排序、冒泡排序、直接插入排序、折半插入排序、歸並排序

十個常用排序演算法

利用計算機的高性能來有目的的窮舉一個問題解空間的部分或所有的可能情況，從而求出問題的解的一種方法。

分類：
枚舉演算法、深度優先搜索、廣度優先搜索、A*演算法、回溯演算法、蒙特卡洛樹搜索、散列函數等演算法。

將一個數據轉換為一個標志，這個標志和源數據的每一個位元組都有十分緊密的關系。

很難找到逆向規律

只要符合散列思想的演算法都可以被稱為是Hash演算法

對不同的關鍵字可能得到同一散列地址，即key1≠key2，而f(key1)=f(key2)，這種現象稱為 碰撞 。

原理
在對問題求解時，總是做出在當前看來是最好的選擇。也就是說，不從整體最優上加以考慮，他所做出的是在 某種意義上的局部最優解 。
從問題的某一個初始解出發一步一步地進行，根據某個優化測度，每一步都要確保能獲得局部最優解。每一步只考慮一個數據，他的選取應該滿足局部優化的條件。若下一個數據和部分最優解連在一起不再是可行解時，就不把該數據添加到部分解中，直到把所有數據枚舉完，或者不能再添加演算法停止。

一種近似演算法

一般步驟：
1、建立數學模型來描述問題；
2、把求解的問題分成若干個子問題；
3、對每一子問題求解，得到子問題的局部最優解；
4、把子問題的解局部最優解合成原來解問題的一個解。

典型例子：
0/1背包問題
馬踏棋盤
均分紙牌

例題： https://www.cnblogs.com/hust-chen/p/8646009.html

概念：
分治演算法的基本思想是將一個規模為N的問題分解為K個規模較小的子問題，這些子問題相互獨立且與原問題性質相同。求出子問題的解，就可得到原問題的解。即一種分目標完成程序演算法，簡單問題可用二分法完成。

一般步驟：
（1）分解，將要解決的問題劃分成若干規模較小的同類問題；
（2）求解，當子問題劃分得足夠小時，用較簡單的方法解決；
（3）合並，按原問題的要求，將子問題的解逐層合並構成原問題的解。

典型例子：
排序中：歸並排序、堆排序、快速排序；
實例：找偽幣、求最值、棋盤覆蓋

https://ke..com/item/%E5%88%86%E6%B2%BB%E7%AE%97%E6%B3%95/3263297

概念：
用於求解具有某種最優性質的問題。在這類問題中，可能會有許多可行解。每一個解都對應於一個值，我們希望找到具有最優值的解。

動態規劃一般可分為線性動規，區域動規，樹形動規，背包動規四類。

舉例：
線性動規：攔截導彈，合唱隊形，挖地雷，建學校，劍客決斗等；
區域動規：石子合並， 加分二叉樹，統計單詞個數，炮兵布陣等；
樹形動規：貪吃的九頭龍，二分查找樹，聚會的歡樂，數字三角形等；
背包問題：01背包問題，完全背包問題，分組背包問題，二維背包，裝箱問題，擠牛奶（同濟）等；

應用實例：
最短路徑問題 ，項目管理，網路流優化等；

https://ke..com/item/%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92/529408?fromtitle=%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92%E7%AE%97%E6%B3%95&fromid=15742703&fr=aladdin

概念：
在一個給定的字元文本內搜尋出自己想要找的一個字元串，平常所用的各種文本編輯器里的ctrl+F大多就是使用的這些字元匹配演算法。

分類：
KMP、BM、Sunday、Horspool、RK

參考：
https://cloud.tencent.com/developer/news/282694
https://blog.csdn.net/paincupid/article/details/81159320

G. 蒙特卡洛樹方法MCTS中模擬階段是怎麼快速下一盤棋的

蒙特卡羅方法的解題過程可以歸結為三個主要步驟:構造或描述概率過程;實現從已知概率分布抽樣;建立各種估計量。
蒙特卡羅方法解題過程的三個主要步驟:
(1)構造或描述概率過程
(2)實現從已知概率分布抽樣
(3)建立各種估計量
應用到期權上一定程度上你可以這么理解，但不完全相同，因為有的時候會過於簡單，蒙特卡羅過程如果本身的設定是偏離實際的，會沒有意義，所以二叉樹是一種比較理想的狀態而已。
如果能知道自己喜歡的又覺得不錯的就可以了用手機啦。

H. 人工智慧阿爾法圍棋用了哪項新技術

阿爾法圍棋用到了很多新技術，如神經網路、深度學習、蒙特卡洛樹搜索法等，使其實力有了實質性飛躍。美國臉書公司「黑暗森林」圍棋軟體的開發者田淵棟在網上發表分析文章說，阿爾法圍棋系統主要由幾個部分組成：

1、策略網路（Policy Network），給定當前局面，預測並采樣下一步的走棋。

2、快速走子（Fast rollout），目標和策略網路一樣，但在適當犧牲走棋質量的條件下，速度要比策略網路快1000倍。

3、價值網路（Value Network），給定當前局面，估計是白勝概率大還是黑勝概率大。

4、蒙特卡洛樹搜索（Monte Carlo Tree Search），把以上這四個部分連起來，形成一個完整的系統。

「阿爾法狗」採用的是利用「價值網路」去計算局面，用「策略網路」去選擇下子。阿爾法狗依舊處於一個弱人工智慧的水平。什麼是弱人工智慧？簡單的說，所謂弱人工智慧就是僅在單個領域比較牛的人工智慧程序。

比如我們熟悉的蘋果Siri，就是一個會賣萌的弱人工智慧程序。而阿爾法狗根據這個標准，依舊在這個范圍以內。充其量，最多是人類圍棋的陪練。而這場人際對決，本質上更像是谷歌的一場科技秀。

阿爾法圍棋（AlphaGo）是第一個擊敗人類職業圍棋選手、第一個戰勝圍棋世界冠軍的人工智慧機器人，由谷歌（Google）旗下DeepMind公司戴密斯·哈薩比斯領銜的團隊開發。其主要工作原理是「深度學習」。

2016年3月，阿爾法圍棋與圍棋世界冠軍、職業九段棋手李世石進行圍棋人機大戰，以4比1的總比分獲勝；2016年末2017年初，該程序在中國棋類網站上以「大師」（Master）為注冊賬號與中日韓數十位圍棋高手進行快棋對決，連續60局無一敗績。

2017年5月，在中國烏鎮圍棋峰會上，它與排名世界第一的世界圍棋冠軍柯潔對戰，以3比0的總比分獲勝。圍棋界公認阿爾法圍棋的棋力已經超過人類職業圍棋頂尖水平，在GoRatings網站公布的世界職業圍棋排名中，其等級分曾超過排名人類第一的棋手柯潔。

2017年5月27日，在柯潔與阿爾法圍棋的人機大戰之後，阿爾法圍棋團隊宣布阿爾法圍棋將不再參加圍棋比賽。2017年10月18日，DeepMind團隊公布了最強版阿爾法圍棋，代號AlphaGo Zero。

2017年7月18日，教育部、國家語委在北京發布《中國語言生活狀況報告（2017）》，「阿爾法圍棋」入選2016年度中國媒體十大新詞。