我一直在阅读布朗等人撰写的蒙特卡洛树搜索综述论文：
http://ccg.doc.gold.ac.uk/papers/browne_tciaig12_1.pdf
《蒙特卡洛树搜索方法综述》
我正在努力理解第9页伪代码中的一个部分。我的问题在Backup和BackupNegamax函数中以相似的形式出现。
假设我是在一个两人零和游戏中扮演玩家1。（因此，使用BackupNegamax函数。）轮到我移动，我使用MCTS来选择我的移动。在BackupNegamax中，为什么在回溯树时要否定delta值？我理解在两人零和游戏中，如果玩家1（我）的奖励是delta，那么玩家2的奖励就是-delta。但整个树不应该是以玩家1的视角来看的吗？（如果我没记错的话，这将类似于在极小极大树中节点的评分方式。）
如果Q值的视角根据你在树的哪个层级而在玩家1和玩家2之间来回切换，这不会搞乱BestChild函数中显示的计算吗？具体来说，假设某个节点v有一个非常高的Q值，因为它经常为玩家1带来高回报。给定的伪代码似乎表明，v的父节点，我称之为u，很可能会有一个非常低的（非常负的）Q值（当然，u的Q值也会考虑到它的其他子节点的Q值）。
所以我觉得u（父节点）有一个非常低的Q值，而v（子节点）有一个非常高的Q值，这是不合理的。我知道在伪代码中v是从玩家1的视角来看的，而u是从玩家2的视角来看的，但我的问题是为什么。为什么不将两个节点的Q值都存储为玩家1的视角？这样u和v都会有高的Q值，从而有高的开发评分，并且根据BestChild函数，它们都会被认为是值得进一步开发的有价值节点。
（我对MCTS的理解来自于对极小极大的经验，在极小极大中，整个树都是从Max的视角来看的，所以这就是我在这里挣扎于不同想法的原因。）
我的问题也适用于Backup – 为什么每个Q值根据树中该层级玩家的视角来更新，而不是一切都从“我的”视角来更新？
我希望我的问题已经表达清楚了。非常感谢你的帮助！
回答：
描述这种机制的有两种方式：
-
全局：从根节点玩家的视角来看，在这种情况下，每隔一层（ply）的模拟值会被否定，因为对手是在对抗根节点玩家。
-
局部：从每个层级刚移动过的玩家的视角来看，在这种情况下，模拟值不会被否定，因为每个玩家都试图最大化自己的奖励。
标准的表述使用的是第一种方式，因为它更容易描述，并且在两人组合游戏中有其基础。然而，在我的实际实现中，我倾向于使用第二种表述，因为它更灵活；它可以处理多于两人、少于两人、可变移动顺序、多部分移动、合作目标等的游戏。
这只是确认了其他答案中所说的话。
