在这个问题中首先要考虑的是：当我们谈论“生成子/节点”时，我们的意思是什么。仅仅为树数据结构创建一个节点，并为更深的孩子、访问计数、反向传播分数等数据分配一些内存（初始化为空/零），在效率方面很少有问题。

如果您在说“生成节点”时还包括生成要存储在该节点中的游戏状态，那可能会更加昂贵，因为它需要将移动的效果应用于先前的游戏状态以生成新游戏状态（并且，根据实现，可能还需要首先复制之前的游戏状态）。但是您通常不必这样做。您可以只生成节点，并且只有在稍后通过 MCTS 选择阶段再次到达它们时才实际将游戏状态放入其中。

例如，您可以说 AlphaZero 确实会立即为所有动作生成所有节点，但它们通常是没有游戏状态的“空”节点。它们确实通过策略网络计算的概率“启动”，但该策略网络不需要这些节点内的后继状态；这是一个功能$\pi(s, a)$当前状态的$s$（在前一个节点内），以及动作$a$通向新生成的节点。

但是，如果您真的确定，对于您的特定问题域，节点的生成本身已经是低效的，那么......

[...] 这显然偏向于流中较早的儿童。

是的，使用这种基于流的方法会产生很大的偏差，可能效果不佳。

[...] 这可能比以前的版本更难实现，因为计算孩子的数量可能与计算孩子本身一样困难。[...]

我再次同意您的观察，我认为这不是一个可行的解决方案。

我相信如果剩余的 MCTS 的迭代次数 X_t 大于子节点的数量 N，那么你做什么都没关系，因为你会在下一次迭代中再次找到这个节点并展开其中一个孩子们。

这仅对根节点的子节点是正确的。对于树中更深的任何节点，MCTS 可能永远不会再次到达它们，即使$X_t > N$，因为它可以将大部分搜索工作用于不同的子树。

我认为您的解决方案必须涉及某种学习功能（例如 AlphaZero 中的策略网络），它可以有效地计算要生成的节点的推荐，仅使用在您选择要生成的节点之前已经可用的输入。在 AlphaZero 的策略网络中，这些输入将是状态$s$在您当前的节点中，以及向外的操作$a$（每一个都可能导致生成一个节点）。这实际上通常与无偏见相去甚远，但我认为，如果您处于仅生成节点是对性能的合理关注的情况，那么无论如何都可能需要强烈的、习得的偏见。

丹尼斯的回答非常有帮助。我还发现MCTS 调查的第 5.5 节非常有用，尤其是扩大讨论。另一个有用的参考是https://project.dke.maastrichtuniversity.nl/games/files/msc/Roelofs_thesis.pdf