摘要： 针对传统蒙特卡洛树搜索算法存在“难以在节点的探索和利用之间做出平衡；难以 聚焦重要搜索分支”等问题，提出使用策略价值网络完成棋局评估与落子着法生成，将策略价值 网络与蒙特卡洛树搜索相结合。策略价值网络指导搜索树的展开，搜索结果用以持续更新网络 参数，形成一种自博弈方法，在多轮自博弈中实现算法的迭代优化。实验表明：相较于各种经典 搜索算法，所提算法在平均落子时间上降低了约 ９５％，平均对局胜率达到 ８０％以上。

关键词: 蒙特卡洛树搜索；深度神经网络；五子棋计算机博弈；自博弈

中图分类号: 

• TP301