通过机器学习教计算机程序玩游戏一直是在各种现实应用中获得更好的人工智能（AI）的重要途径。蒙特卡洛树搜索（MCTS）是最近开发的关键AI技术之一，使AlphaGo击败了传奇的职业围棋选手。使MCTS特别吸引人的是，它仅了解游戏的基本规则，而不依赖专家级的知识。因此，研究人员期望将MCTS应用于其他尚不具备特定领域专家级知识的复杂AI问题。迄今为止，文献中很少进行分析研究。在本文中，我们的目标是发展对MCTS的分析研究，以对算法及其在复杂AI问题中的适用性建立更基本的了解。我们从一个称为随机播放搜索（RPS）的简单版MCTS开始，开始玩井字游戏，发现即使在井字游戏的非常简单的游戏位置