วิธีการมอนติคาร์โลเป็นวิธีการที่คุณสร้างค่าสุ่มหรือการจำลองจำนวนมากและสร้างข้อสรุปบางอย่างตามรูปแบบทั่วไปเช่นค่าเฉลี่ยและความแปรปรวน
ตัวอย่างเช่นคุณสามารถใช้มันสำหรับการคาดการณ์สภาพอากาศ การคาดการณ์สภาพอากาศในระยะยาวนั้นค่อนข้างยากเนื่องจากเป็นระบบที่วุ่นวายซึ่งการเปลี่ยนแปลงเล็กน้อยสามารถนำไปสู่ผลลัพธ์ที่แตกต่างกันมาก ด้วยวิธีการมอนติคาร์โลคุณสามารถเรียกใช้การจำลองเป็นจำนวนมากแต่ละการเปลี่ยนแปลงบรรยากาศแตกต่างกันเล็กน้อย จากนั้นคุณสามารถวิเคราะห์ผลลัพธ์และตัวอย่างเช่นคำนวณความน่าจะเป็นของฝนในวันที่กำหนดโดยขึ้นอยู่กับจำนวนการจำลองสถานการณ์ที่มีฝนตก
ในฐานะที่เป็นสำหรับการใช้งานของ Monte Carlo ในอัลฟาไปที่พวกเขาดูเหมือนจะใช้สิ่งที่เรียกว่าMonte Carlo ต้นไม้ค้นหา ในวิธีการนี้คุณสร้างท่วงท่าที่เป็นไปได้เปลี่ยนไปในอนาคตและลองหาลำดับที่ดีที่สุด อย่างไรก็ตามเนื่องจากจำนวนการเคลื่อนไหวที่เป็นไปได้ในเกมการเดินทางมีขนาดใหญ่มากคุณจะไม่สามารถสำรวจได้ไกลนัก ซึ่งหมายความว่าการเคลื่อนไหวบางอย่างที่ดูดีตอนนี้อาจกลายเป็นไม่ดีในภายหลัง
ดังนั้นในการค้นหาต้นไม้มอนติคาร์โลคุณเลือกลำดับการเคลื่อนไหวที่มีแนวโน้มและทำการจำลองสถานการณ์ตั้งแต่เกมนั้นอาจดำเนินต่อไปตั้งแต่หนึ่งจุดขึ้นไป จากนั้นคุณสามารถใช้ผลลัพธ์ของการจำลองนั้นเพื่อให้ได้แนวคิดที่ดีขึ้นว่าลำดับการเคลื่อนที่ที่เฉพาะเจาะจงนั้นดีแค่ไหนและคุณปรับปรุงต้นไม้ตามนั้น ทำซ้ำตามต้องการจนกว่าคุณจะรู้สึกดี
หากคุณต้องการข้อมูลเพิ่มเติมหรือเพื่อดูภาพประกอบฉันพบบทความที่น่าสนใจในหัวข้อ: C. Browne et al., การสำรวจวิธีการค้นหาต้นไม้ Monte Carlo ( พื้นที่เก็บข้อมูลแบบเปิด / ลิงก์ถาวร (paywalled) )