我已经使用 MCTS 创建了一个代理来玩 Connect Four。它很好地战胜了人类，但我想改进它。我决定将领域知识添加到 MCTS 推出阶段。我的评估函数检查一个动作有多“好”，并将最佳/最高价值的动作作为要使用的动作返回到推出策略。我为一个没有使用评估功能的代理创建了一个“健身房”应用程序，以与使用评估功能的代理对战。我本来希望使用启发式的代理比不使用启发式的代理表现得更好，但是包含启发式似乎没有任何区别！任何想法为什么会这样？