گائیڈ سے منسلک کوئز · درمیانہ سطح

مونٹی کارلو ٹری سرچ کوئز

ایم سی ٹی ایس کے تکرار کے مراحل، یو سی ٹی ایکسپلوریشن، رول آؤٹ سمولیشن، روٹ موو چوائس اور AlphaGo نے نیٹ ورکس کے ساتھ تلاش کو کیسے ملایا اس کی جانچ کرتا ہے۔

متعلقہ گائیڈ کے راستےمونٹی کارلو درخت کی تلاش
سوال 1 کی 8

مونٹی کارلو ٹری تلاش کے اعادہ کے چار اہم مراحل کیا ہیں؟

ہر سوال کا جائزہ لیں۔8 سوالات

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

  1. مونٹی کارلو ٹری تلاش کے اعادہ کے چار اہم مراحل کیا ہیں؟
    • انتخاب، توسیع، نقلی، بیک پروپیگیشن
    • ترتیب دیں، فلٹر کریں، ضم کریں، آؤٹ پٹ کریں۔
    • انکوڈ، ڈی کوڈ، حاضری، پیشن گوئی
    • ٹرین، تصدیق، جانچ، تعینات
  2. یو سی ٹی سلیکشن فارمولے میں کیا توازن ہے؟
    • رفتار بمقابلہ میموری
    • اعلیٰ قدر کی چالوں کا استحصال بمقابلہ زیرِ ملاحظہ کردہ افراد کی تلاش
    • تربیت بمقابلہ اندازہ
    • نیٹ ورک کی چوڑائی بمقابلہ گہرائی
  3. کلاسک MCTS میں، 'نقلی' (رول آؤٹ) مرحلے کے دوران کیا ہوتا ہے؟
    • درخت کو حذف کر دیا گیا ہے۔
    • عصبی نیٹ ورک دوبارہ تربیت یافتہ ہے۔
    • گیم کو نئے نوڈ کے نتیجے میں کھیلا جاتا ہے۔
    • تمام بچوں کو ایک ساتھ بڑھایا جاتا ہے۔
  4. What roles did AlphaGo’s policy and value networks play in its MCTS search?
    • The policy network computed transitions and the value network chose the root child
    • Both networks performed random rollouts without evaluating positions
    • The value network proposed legal moves while the policy network estimated terminal rewards
    • The policy network guided move selection and the value network estimated position strength; AlphaGo also used a rollout policy
  5. کئی تکرار کے بعد، MCTS عام طور پر کھیلنے کے لیے حتمی اقدام کیسے چنتا ہے؟
    • سب سے زیادہ دوروں کے ساتھ جڑ کا بچہ
    • اعلی ترین فوری انعام کے ساتھ اقدام
    • بے ترتیب بچہ
    • درخت میں سب سے گہرا نوڈ
  6. AlphaZero کے مقابلے MuZero کو کیا چیز قابل ذکر بناتی ہے؟
    • یہ کوئی نیورل نیٹ ورک استعمال نہیں کرتا
    • یہ ماحول کا اپنا ماڈل سیکھتا ہے، اس لیے یہ اصولوں کے بغیر منصوبہ بندی کر سکتا ہے۔
    • یہ صرف Go کھیلتا ہے۔
    • یہ درخت کی تلاش کو ترک کر دیتا ہے۔
  7. In the UCT selection score, what does the exploration term reward?
    • Only the child with the highest raw reward
    • Moves that have already been selected most often, regardless of value
    • Children with fewer visits relative to their parent, encouraging further sampling
    • A random rollout’s final board size
  8. Which MCTS iteration step adds a new child to the existing tree?
    • Selection
    • Simulation
    • بیک پروپیگیشن
    • Expansion