【正解の解説】
モンテカルロ木探索
これは熟練の将棋棋士が「まずは一局、最後まで適当に指してみるか」を何度も高速でシミュレーションし、勝率が高かった手順のルートを重点的に深掘りしていくようなアプローチです。すべてを完璧に予測するのではなく、運と確率の要素を取り入れながら「当たりそうなお宝ルート」を効率よく絞り込むため、囲碁のAI「AlphaGo」などにも応用され、膨大な選択肢がある複雑なゲームの攻略で絶大な効果を発揮します。
【その他の選択肢の解説】
ミニマックス法
問題文にある「ランダムなプレイアウトを繰り返して確率的に探索する仕組み」とは異なり、こちらは「自分が最善を尽くせば相手も最悪の手段で邪魔をしてくる」という前提のもとで、すべての可能性をしらみつぶしに予測し合うやり方です。チェスのような比較的シンプルなゲームでは強力ですが、囲碁のように選択肢が爆発的に増える複雑な世界では、計算量がパンクしてしまい実用的ではないという弱点を持っています。
Q学習
ゲーム木探索のフェーズを繰り返す手法そのものではなく、エージェントが環境との相互作用を通じて得た「報酬」を頼りに、どの状況でどの行動をとるべきかの「価値」をテーブルや関数として更新していく学習の仕組みを指します。迷路の解き方をロボットに覚えさせるような場面でよく使われますが、今回の問題で問われている「木構造の構築・プレイアウト・バックアップを繰り返す探索の仕組み」とはアプローチの目的が異なります。
遺伝的アルゴリズム
親世代のパラメータを交差させたり突然変異を起こしたりしながら、より優れた個体を生き残らせて最適解に近づけていくアルゴリズムです。スケジュール最適化やパラメータチューニングなどの分野では非常に強力な武器となりますが、ゲーム木のノードを展開して終局までのプレイアウトと結果の伝播を繰り返す今回の問題文の手順とは、基本的なアイデアやアルゴリズムの構造が全く異なるため誤りとなります。