Monte Carlo Tree Search: AI 决策的核心算法
Public 文件：/public/
蒙特卡洛树搜索（MCTS）是一种用于决策过程的启发式搜索算法，最著名的应用是在 AlphaGo 等棋类 AI 中。它通过模拟未来的可能性来选择最佳的下一步。
MCTS 主要包含四个步骤，不断循环直到时间耗尽：
从根节点开始，根据 UCB (Upper Confidence Bound) 算法选择子节点，直到到达一个叶子节点。
如果当前的叶子节点不是终止状态，则创建一个或多个新的子节点，将其加入树中。
从新扩展的节点开始，进行随机模拟（Random Play），直到游戏结束。
利用模拟的结果（输或赢），更新从当前节点回溯到根节点路径上所有节点的统计数据（访问次数和胜率）。
在选择阶段，MCTS 并不只是选择胜率最高的节点，而是通过 UCB 公式平衡“开发”（Exploitation）与“探索”（Exploration）：