MCTS因终端节点处理不当致一步送杀的技术疑问

核心是要明确：终端节点的胜负结果是确定的，一旦被识别就无需重复模拟，且要将这个确定结果完整传递给所有祖先节点，修正你提到的两种困境：

• 选择阶段：遍历节点子节点时，若遇到已标记为终端的节点，直接返回该节点的胜负结果，停止后续选择或模拟流程。
• 扩展阶段：当扩展出的子节点被判定为终端节点（比如一步杀），立即标记该节点的明确胜负状态，无需执行随机模拟——因为结果是确定的。
• 反向传播阶段：终端节点的确定结果要传递给所有祖先节点。比如你场景中的B是黑方胜的终端节点，反向传播时会给父节点W累计“白方失败”的结果，随着模拟次数增加，W的胜率会持续降低，不会因为某次模拟的偶然胜利而一直被高估。
• 最终选择逻辑：维基提到的“选模拟次数最多的节点”是建立在所有模拟都正确传递价值的基础上。当W的必败结果被多次反向传播后，其他更优的白方招法会逐渐获得更高的访问次数和胜率，最终成为最优选择。

针对你遇到的两个具体问题：

1. 不需要允许再次选中B：一旦B被标记为终端节点，后续走到W节点时，选择阶段会直接调用B的已知胜利结果，不会重复选中B模拟，而是用这个确定结果拉低W的价值，避免W被错误选中。
2. 黑方选择B的问题：当局面进入W之后的黑方回合，根节点是W对应的局面，黑方的子节点B是终端节点，第一次选择就会直接返回B的胜利结果，反向传播后B的访问次数和胜率都会处于绝对优势，后续每次选择都会优先选中B，最终它会成为访问次数最多的节点，被正确选为黑方的最优招法。

内容的提问来源于stack exchange，提问作者PolymorphismPrince