引导式测验 · 中等 等级

蒙特卡罗树搜索测验

检查 MCTS 迭代阶段、UCT 探索、推出模拟、根移动选择以及 AlphaGo 如何将搜索与网络相结合。

相关引导路径蒙特卡罗树搜索
问题 1 的 8

蒙特卡洛树搜索迭代的四个主要步骤是什么？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 蒙特卡洛树搜索迭代的四个主要步骤是什么？
    • 选择、扩展、模拟、反向传播
    • 排序、过滤、合并、输出
    • 编码、解码、参与、预测
    • 训练、验证、测试、部署
  2. UCT选择公式平衡什么？
    • 速度与内存
    • 利用高价值举措与探索访问量不足的举措
    • 训练与推理
    • 网络的宽度与深度
  3. 在经典 MCTS 中，“模拟”（推出）步骤中会发生什么？
    • 树已被删除
    • 神经网络被重新训练
    • 游戏将根据新节点的结果进行
    • 所有子项立即展开
  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. 经过多次迭代后，MCTS通常如何选择最后的棋法？
    • 访问次数最多的 root 孩子
    • 立即奖励最高的举动
    • 一个随机的孩子
    • 树中最深的节点
  6. 与 AlphaZero 相比，MuZero 有何突出之处？
    • 它不使用神经网络
    • 它学习自己的环境模型，因此可以在没有规则的情况下进行计划
    • 它只会下围棋
    • 它放弃了树搜索
  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
    • 反向传播
    • Expansion