我可以使用启发式在蒙特卡洛搜索树的播出阶段获得结果吗？
问题描述：
根据我的理解，MCTS中播出或模拟阶段的目标是获得一个结果，并奖励或惩罚从反向传播过程中的根路径上的节点。 （请纠正我，如果我错了）我可以使用启发式在蒙特卡洛搜索树的播出阶段获得结果吗？
我的问题是，如果我可以使用领域知识启发式来获得这个结果，而不是实际模拟游戏到最后。
我问的原因是我正在做类似于寻路的事情，目标是找到目标状态（节点）的路径，这意味着模拟游戏到最后对我来说是非常困难的。
答
是的，你一定可以。我在一些游戏领域亲自完成了这个任务，直到达到终端状态时，一直进行适量的模拟是不可行的。
如果您总是提前终止模拟并使用启发式评估函数对其进行评估，那么您将失去UCT（最常见的MCTS实现）在无限的处理时间内找到最佳动作的保证，但您很少无论如何，无论如何都需要无数的处理时间。在可行的范围内运行足够的仿真直到最后它可能是有害的（除非它是一个非常好的启发式功能，并允许您运行更多的仿真）。