问“蒙特卡洛树搜索”可以应用于“不完全信息的两人博弈”吗？

EN

我认为MCTS在战略游戏中会有一段困难的时间，因为初始传播函数太大了，而最好的游戏非常依赖于游戏的实际情况。也就是说，在最好的情况下，MCTS会给你一个在所有可能的对手棋子变种中统计良好的游戏，但最好的下一步走法高度取决于他们选择的特定变种。

我还在发展对MCTS的坚实理解，但在我看来，MCTS在涉及隐藏信息的多轮欺骗游戏中表现不佳(规范地说，扑克，但我想说，也是战略)。在这样的游戏中，你真的需要开发一个其他玩家情况/策略的模型，MCTS本质上会给你一个统计上与所有树相关的答案，而不仅仅是地面实况树。

MCTS适用于涉及大量机会的游戏(双陆棋和其他涉及骰子和许多纸牌游戏的棋盘游戏)，在我看来是一个很好的通用解决方案，可以迅速采用到大量现代的“欧式”棋盘游戏中。(有趣的是，尽管它们涉及“欺骗性策略”，但它们通常涉及的隐藏信息相对较少。)

我不知道我的had顶部有没有针对不完整信息的MCTS，而且似乎需要对算法进行实质性的修改才能使其工作。

即使在一种非常有限的策略类型中，每边只有十个棋子，只有两种类型的棋子，并且只有一个“较强”的棋子，你仍然在玩十种可能的实际游戏之一。在一场完整的战略游戏中，由于首发位置的大量组合，这些组合看起来都很相似，因此存在更多的不确定性。

似乎你还必须增强算法来捕获“揭示的知识”，因为它发生了，例如，在我们的玩具示例中，每一次在碎片之间的相遇都会揭示一些关于敌人位置的信息。

这似乎是一个有趣的尝试，但只针对一个非常有限的类似策略的问题，并理解现成的MCTS是不够的，您必须仔细和深入地考虑算法的正确扩展。