一句话定义：蒙特卡洛树搜索（Monte Carlo Tree Search，MCTS）是一种"靠随机模拟来估价值、靠统计来选方向"的搜索算法。它不追求把每一步都算到穷尽，而是把计算力优先花在看起来最有希望的分支上。
核心原理，拆成四步
想象你在陌生的城市找餐厅，手上有 100 元预算和 1 小时时间，但地图只标了大概方向。MCTS 的做法是：
1. 选择（Selection）：从当前路口出发，沿着"目前评分最高"的路往下走，直到遇到没探索过的岔路。
2. 扩展（Expansion）：在岔路口新开一条支路，试着走进去。
3. 模拟（Simulation）：从这条新支路开始，随便乱走到终点——比如闭着眼睛随机选餐厅，最后看看吃得满不满意。这一次随机结果就是一次"蒙特卡洛采样"。
4. 回溯（AI 词典：Backpropagation">Backpropagation）：把这次结果沿路往回传，更新沿途每个路口的平均分和访问次数。
然后重复成千上万次。访问次数多的路会被更信任，但算法也会故意给访问少的路一点机会，这就是著名的 UCB（Upper Confidence Bound，上置信界）公式：平均得分高 + 探索奖励大。得分高保证"不浪费"，探索奖励保证"不遗漏"。
一个关键区别：它和普通搜索、和强化学习不是一回事
| 对比项 | 普通 minimax 搜索 | MCTS | 强化学习策略网络 |
|---|---|---|---|
| 靠什么评估局面 | 手工设计的评估函数 | 随机模拟统计出的胜率 | 神经网络直接预测 |
| 算力分配 | 均匀铺开、深度固定 | 动态倾斜到有希望的分支 | 由网络参数决定 |
| 是否依赖随机 | 否 | 是，随机模拟是核心 | 训练时有，推理时可无 |
需要注意，MCTS 常和神经网络结合，这就是 AlphaGo 系列广为人知的思路：用策略网络缩小候选走法，用价值网络替代大量随机模拟，再由 MCTS 做最终决策。这里没有固定公式，具体实现以官方论文和页面为准。
对从业者的实际意义
AlphaGo 之后，MCTS 的思路被搬到了推理模型上：面对一道数学题或编程题，模型不再"一口气写完"，而是生成多条候选思路，用某种打分机制评估，再挑选、剪枝、继续展开——这本质上就是在推理时（inference time）做搜索，用更多算力换更高的正确率。
对普通职场人也有一层启发：MCTS 教的是"把有限时间和算力，优先投入到当前最有希望、又还没被验证过的方向上"，既不迷信已有经验（平均分高），也不放弃试错（探索奖励）。这个平衡点在项目管理、方案选型里同样成立。