mcts

用 Python 跑通蒙特卡洛树搜索，快速给棋类游戏加 AI

开源 free 开发框架

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 184

维护状态较活跃

是否开源是

定价模式 free

项目预览

项目数据

分类开发框架

开发团队jbradberry

所属国家

官网地址

GitHubhttps://github.com/jbradberry/mcts

定价模式free

价格说明开源免费

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型artificial-intelligence,board-game,board-game-framework,monte-carlo-tree-search,python

GitHub 星标★ 184

30天Star增速

HF 下载量

上线时间2015-11-05 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-11

浏览次数0

项目介绍

mcts 是一个用 Python 实现的蒙特卡洛树搜索（MCTS）算法项目，主要面向棋盘游戏 AI 的开发与教学。它把 MCTS 的核心流程——选择、扩展、模拟、回溯——拆解成清晰的模块，并附带多个棋类游戏的示例实现，让开发者可以直接运行、观察 AI 的决策过程。项目解决的是 MCTS 学习门槛高、缺少可读参考实现的问题：很多教程只给伪代码，而这里提供可运行代码和游戏环境，方便理解算法在真实对局中的表现。核心能力包括通用 MCTS 搜索框架、可替换的游戏规则接口、以及若干内置棋类示例，适合作为算法实验和二次开发的基础。