我想了解在MCTS中如何处理N玩家游戏。对手的行动是否嵌入到搜索树中？他们的价值是否与其他行动的生成方式相同？如果是这样，他们的价值不会以错误的方式改变父状态的总价值吗？mcts.ai是一个不错的有帮助的网站，但关于n玩家游戏，示例代码只是说明“需要针对n玩家游戏的额外逻辑”。
提前感谢您。
回答：
事实上，这并不像仅仅模拟几个额外玩家来最大化他们自己的利益那么简单。
对于多玩家游戏的问题，至少有几种不同的方法，包括：
max^n（最简单的）- 偏执
- 最佳回应搜索（BRS）
- 联盟混合器
基于MCTS的方法的主要问题是，在轻量级模拟/评估与其中嵌入的知识之间找到平衡。多玩家游戏为这个复杂的方程引入了它们自己的参数，因此，结果是有一些有趣的修改，可以在有限资源的情况下找到比 naive 方法更好的解决方案。其中一种方法是“Playout搜索”，在Playout Search for Monte-Carlo Tree Search inMulti-Player Games中详细描述。
2玩家游戏和多玩家游戏之间最重要的区别是，在大多数2玩家游戏中，积分系统在某种程度上是“对称的”——如果我赢了，你就输了，反之亦然。因此，假设我想赢，我可以把它看作是我试图赢和我的对手试图赢之间的战斗。一旦我们引入了第三个玩家，情况就不那么简单了。现在，如果我赢了，一切都好。但另外两个玩家不必为了赢而玩，只要他们让我输（并且其中一个赢了）就足够了，这构成了偏执策略的基础——我们假设所有玩家都在与我们对抗，而不关心谁实际上赢了。这改变了所需的模型（因为他们不再最大化任何利润），这只是可能的场景之一。在棋盘上有N个玩家，可能的联盟数量（及其混合）是巨大的。
