蒙地卡羅樹搜尋（Monte Carlo tree search，MCTS）

蒙地卡羅樹搜尋（Monte Carlo tree search，MCTS）是有紀律地進行的決策時規劃。面對一個局面，它長出一棵可能未來之樹，但不去展開每一條分支——在圍棋這類遊戲裡那是徒勞——而是把有限的模擬花在最重要之處，反覆深入最有希望的路線，同時偶爾也去查看被冷落的選項。經過許多次模擬後，它推薦看起來最好的動作。

每次模擬有四個階段：選擇，依一條在「利用高價值走法」與「探索少嘗試走法」之間取得平衡的規則沿樹往下走（常用 UCT／PUCT 分數）；擴展，在邊界加入一個新節點；評估，估計該節點的價值，傳統上用一次隨機展開、在現代系統裡則用一個習得的價值網路；以及回溯，把結果沿走過的路徑往上傳播，使統計更準。預算用盡後造訪次數最多的動作會被選中。

MCTS 是 AlphaGo、AlphaZero 與 MuZero 背後的搜尋引擎，由神經網路指引該探索哪些分支、如何替葉節點估值，把學習與前瞻熔於一爐。它在「有模型（給定或習得）可供模擬」時大放異彩，而它的隨時可用特性意味著：想得越久，棋就下得越好。