본 논문은 앙상블 결정화 몬테카를로 트리 탐색(MCTS)의 개선을 제안하며, 이는 동적 자원 할당을 위한 두 가지 축인 동적 결정 수와 동적 시뮬레이션 할당을 도입함으로써 이루어집니다.

  • 동적 결정 수는 탐색 동작에 기반하여 결정화 트리의 수를 조정합니다.
  • 동적 시뮬레이션 할당은 지식 획득을 극대화하기 위해 시뮬레이션 예산을 트리 간에 비균일하게 분할합니다.
  • 이 방법은 Jaipur, Lost Cities, Splendor에서 반복 기반 및 시간 기반 설정으로 테스트되었습니다.

이러한 구성은 알고리즘의 강도를 통계적으로 유의미하게 증가시킵니다.