我想为程序归纳开发一个类似 MCTS（蒙特卡洛树搜索）的算法，即从示例中学习程序。

我最初的计划是让节点代表程序，并通过修改程序来搜索扩展节点。

许多这些扩展修改了单个程序：随机重新采样程序的子树，用变量替换常量等。在 MCTS 中使用这些看起来很简单。

然而，某些扩展会从头开始生成程序（例如，对新程序进行采样）。其他人使用两个或更多程序来生成单个输出程序（例如遗传编程中的交叉）。

后一种类型的移动对于普通的 MCTS 来说似乎是不标准的。

我的一个想法是从代表程序的节点切换到代表程序元组的节点。根节点将代表空元组$()$，只有当它们可以从头开始生成程序时才能对其应用扩展。第一次这样的扩展会产生一些程序$p$，所以根现在会有孩子$(p)$. 第二次扩展将产生$p'$，所以根现在也有孩子$(p')$以及这对$(p, p')$. 即使假设一些合理的限制（例如移动最多可以使用 2 个程序，对不能有相同的元素，元素顺序无关紧要），分支因子将组合增长。

MCTS 文献（或其他文献）中的哪些技术可以减少这种组合爆炸的影响？