我基本理解了蒙特卡洛树搜索的工作原理，包括节点选择等。我不理解的是随机展开阶段。我理解的是，我是在随机模拟未来的游戏步骤，直到游戏以胜利或失败结束？在有许多状态和可能动作以及未知敌方移动的复杂游戏中，展开阶段不是会花费很长时间吗？如果随机展开敌方移动直到游戏结束，是不是和随机返回胜利或失败一样好？我希望有人能用一个简单的例子，比如一个3或4步的游戏，来解释展开阶段。

提前感谢。

回答：

模拟随机游戏比随机返回胜利或失败更有信息量。

想象一个井字游戏棋盘，其中一种颜色已经无法获胜，但另一种颜色可以获胜。显然，随机展开可以揭示这一事实。

此外，样本返回特定结果的概率通常包含实际信息。在随机游戏中你赢得90%的情况可能比你只赢得10%的情况更可取。当然，这不能一概而论。一个分支可能只有在采取唯一正确的回应时才能确保胜利——而这个分支也可能包含许多可能的失败路径。

此外，蒙特卡洛树搜索的一个可能改进是进行比随机更智能的模拟。