本論文は、アンサンブル決定化モンテカルロ木探索（MCTS）の強化を提案する。これは動的リソース割り当てのための2つの軸、すなわち「決定数の動的調整」と「シミュレーション割り当ての動的調整」を導入することによって実現される。

  • 決定数の動的調整は、探索動作に基づいて決定化ツリーの数を調整する。
  • シミュレーション割り当ての動的調整は、知識獲得を最大化するためにシミュレーション予算をツリー間で不均等に分割する。
  • この手法は、Jaipur、Lost Cities、Splendorにおいて、反復ベースおよび時間ベースの設定でテストされた。

これらの構成により、アルゴリズムの強さが統計的に有意に増加した。