MCTS · четыре в ряд

Он не знает, что четыре в ряд — это хорошо

0случайных партий доиграно для последнего хода

счёт 0 : 0 ход 1 твои жёлтые оценка выбранного столбца — думал —

Это единственная настройка силы. Поставь 120 — обыграешь его за минуту. Поставь 80 000 — тот же код, ни одной новой строчки, и он перестанет проигрывать. Ум здесь покупается числом, а не идеей.

Весь мозг, целиком

// один случайный доигрыш: пока игра не кончилась — кидаем монетку
function rollout(s){
  while(!s.over){
    const moves = legal(s);
    play(s, moves[Math.random()*moves.length|0]);  // ← вся «стратегия»
  }
  return s.winner;
}

// какого ребёнка изучать дальше: UCB1
function pick(node){
  return best(node.children, c =>
    c.w/c.n + 1.4 * Math.sqrt(Math.log(node.n)/c.n)
  );        // ↑ доля побед      ↑ бонус редко проверенным
}

// цикл: спустился → добавил ход → доиграл → разнёс результат назад
function think(root, iters){
  for(let i=0; i<iters; i++){
    let node = root;
    while(node.full && node.children.length) node = pick(node);
    if(!node.over) node = expand(node);
    const winner = rollout(copy(node.state));
    while(node){ node.n++; node.w += score(node, winner); node = node.parent; }
  }
  return most_visited(root.children);   // ход, который проверяли чаще всех
}

Найди здесь знание про «четыре в ряд». Его нет. Правило победы живёт в функции play, которая просто останавливает партию — она нужна, чтобы игра вообще имела конец. Всё остальное — доля побед и квадратный корень.

Почему это работает: один случайный доигрыш — чистый шум. Но столбец, из которого чаще выигрывают, действительно лучше — и двадцать тысяч бросков это различие вылавливают. Ровно как точки, которыми мы мерили площадь круга: измеряем то, что не умеем вычислить.

Дерево при этом растёт кривым: перспективные линии получают тысячи посещений и глубину в 20 ходов, мусорные — по два визита и забываются. Никто не программировал, какие линии перспективные. Их выбрала дробь w/n.