Øv med flashcards — MCTS og stokastiske spill

Seleksjonen velger barnet med høyest verdi i hver node på vei ned. Første ledd er gevinstandelen, andre ledd utforskingen, og teorien gir $C=\sqrt{2}$. Vanlige feil er å bruke barnets $N$ i logaritmen og å glemme at $U$ er regnet for spilleren som trekker i forelderen.