代码： 全选
這兩個是非常專業且切中要害的優化方向。針對您的需求，我已經為您準備了對應的代碼修改。
關於第二點（`rolloutPolicy`），我仔細檢查了現有的代碼：目前的條件是 `36 - movesPlayed <= mctsHeuristicN`。因為在 Rollout 的 `while(true)` 迴圈中，每模擬一手棋，`workPieces` 就會減少，導致 `movesPlayed` 增加，因此 `36 - movesPlayed`（剩餘手數）會不斷遞減。**這意味著只要進入了倒數第 $n$ 手，後續的每一手都會自動符合這個條件，現有邏輯確實已經涵蓋了「從第 $n$ 手直到結束」的所有步驟。**
**但是，這段邏輯中有一個隱藏的效能與邏輯盲區：**
目前的代碼寫法是 `let checkCount = Math.min(moves.length, 6);` 然後直接跑 `for (let j = 0; j < checkCount; j++)`。因為 `getValidMoves` 產生的合法著法陣列是**固定順序（由左上到右下）**，這會導致 AI 在局末預判時，**永遠只檢查棋盤左上角的前 6 個格子**，完全忽略了盤面其他地方的得分或阻擋機會。
我們需要加入「局部洗牌（Partial Shuffle）」來確保隨機抽樣整個盤面，同時完成您要求的第一點「探索完畢提前中止」。
以下是具體需要修改與替換的代碼段落：
### 一、 新增 AI 探索完畢提前中止搜尋
**1. 修改 `MCTSNode` 的構造函數**
在 `class MCTSNode { constructor(...) { ... } }` 中，大約 1493 行，加入 `isFullyExplored` 屬性。
```javascript
// 替換這段
if (this.unexpanded.length === 0) {
this.isTerminal = true;
let scores = state.calculateScores();
this.terminalScore = scores.p1Score - scores.p2Score;
} else {
this.isTerminal = false;
}
// 改為：
if (this.unexpanded.length === 0) {
this.isTerminal = true;
this.isFullyExplored = true; // [新增] 終局節點視為已完全探索
let scores = state.calculateScores();
this.terminalScore = scores.p1Score - scores.p2Score;
} else {
this.isTerminal = false;
this.isFullyExplored = false; // [新增]
}
```
**2. 修改 `runMCTSBatch` 中的 Backpropagation 階段**
在 `runMCTSBatch` 函數底部（大約 1630 行），加入向上回溯時判斷節點是否窮盡的邏輯。
```javascript
// 替換這段
// 4. Backpropagation
let scaledAdvantage = advantage / 20.0;
let curr = node;
while (curr !== null) {
curr.visits++;
if (curr.player === 1) {
curr.wins += -scaledAdvantage;
} else {
curr.wins += scaledAdvantage;
}
curr = curr.parent;
}
// 改為：
// 4. Backpropagation
let scaledAdvantage = advantage / 20.0;
let curr = node;
while (curr !== null) {
curr.visits++;
if (curr.player === 1) {
curr.wins += -scaledAdvantage;
} else {
curr.wins += scaledAdvantage;
}
// [新增] 檢查該節點是否已經被完全探索 (無未展開著法，且所有子節點皆已完全探索)
if (curr.unexpanded.length === 0 && curr.children.length > 0) {
let allExplored = true;
for (let i = 0; i < curr.children.length; i++) {
if (!curr.children[i].isFullyExplored) {
allExplored = false;
break;
}
}
if (allExplored) curr.isFullyExplored = true;
}
curr = curr.parent;
}
```
**3. 在控制迴圈中攔截並提前跳出**
分別在 `triggerAITurn()`（大約 1664 行）和 `runAISearch()`（大約 1762 行）的 `while` 迴圈中修改跳出條件。
在 `triggerAITurn` 中：
```javascript
// 替換這段
let ran = runMCTSBatch(root, rootState, workPieces, 20);
iterations += ran;
if (ran === 0) break; // 若樹已走盡則跳出
// 改為：
let ran = runMCTSBatch(root, rootState, workPieces, 20);
iterations += ran;
if (ran === 0 || root.isFullyExplored) break; // [修改] 若根節點已被完全探索，立即中斷思考
```
在 `runAISearch` 中：
```javascript
// 替換這段
let ran = runMCTSBatch(root, rootState, workPieces, 30);
iterations += ran;
if (ran === 0) break;
// 改為：
let ran = runMCTSBatch(root, rootState, workPieces, 30);
iterations += ran;
if (ran === 0 || root.isFullyExplored) break; // [修改] 若根節點已被完全探索，立即中斷分析
```
---
### 二、 修復並完善預判策略 (Rollout Policy) 的抽樣盲區
在 `runMCTSBatch` 內（大約 1568 行），在進行「條件一」與「條件二」的檢查前，我們利用 Fisher-Yates 洗牌算法進行局部洗牌，確保 AI 隨機抽取盤面上任何地方的合法著法進行預判。
```javascript
// 替換這段
let myScoringMoves = [];
// 為了極致效能，每次最多只檢查 6 個隨機著法，避免嚴重拖慢搜尋
let checkCount = Math.min(moves.length, 6);
// 條件一：找出能使我方得分的步
for (let j = 0; j < checkCount; j++) {
let move = moves[j];
// ... (略過中間) ...
} else {
// 條件二：找尋能阻擋對方得分的步
let oppMoves = simState.getValidMoves(oppPlayer, workPieces);
let blockingMoves = [];
let oppCheckCount = Math.min(oppMoves.length, 6);
for (let j = 0; j < oppCheckCount; j++) {
let move = oppMoves[j];
// 改為：
let myScoringMoves = [];
let checkCount = Math.min(moves.length, 6);
// [新增] 局部洗牌：隨機抽出前 checkCount 個著法，避免永遠只檢查左上角的死角
for (let i = 0; i < checkCount; i++) {
let r = i + Math.floor(Math.random() * (moves.length - i));
let temp = moves[i];
moves[i] = moves[r];
moves[r] = temp;
}
// 條件一：找出能使我方得分的步
for (let j = 0; j < checkCount; j++) {
let move = moves[j];
// ... (保留原本的邏輯) ...
} else {
// 條件二：找尋能阻擋對方得分的步
let oppMoves = simState.getValidMoves(oppPlayer, workPieces);
let blockingMoves = [];
let oppCheckCount = Math.min(oppMoves.length, 6);
// [新增] 對對手的著法也進行局部洗牌抽樣
for (let i = 0; i < oppCheckCount; i++) {
let r = i + Math.floor(Math.random() * (oppMoves.length - i));
let temp = oppMoves[i];
oppMoves[i] = oppMoves[r];
oppMoves[r] = temp;
}
for (let j = 0; j < oppCheckCount; j++) {
let move = oppMoves[j];
```