UCT

UCT（Upper Confidence bounds applied to Trees）是MCTS最常用的树策略，其核心思想是将多臂老虎机中的UCB1公式应用于树节点选择。

在无限次采样且探索参数适当衰减的条件下，UCT类算法可以收敛到博弈树的最优解，但这一结论依赖于模拟策略能够覆盖所有动作、奖励有界等理想假设。

PUCT 在每次选择节点时，除了利用 UCT 的探索-利用权衡项，还引入了一个基于策略网络的先验预测项，用来指导搜索往更有希望的分支扩展。