許多人會混淆蒙特卡洛樹搜尋和蒙特卡洛方法。這兩者有本質區別。用做過渲染器的朋友會理解的話來說：蒙特卡洛方法有偏差（Bias），而MCTS沒有偏差（Bias）。
而蒙特卡洛樹搜尋在一段時間模擬後，b1和b2的勝率就會向48%和45%（或者其他概率）收斂，從而給出正確的答案

下圖是一個例子

上圖中每個節點代表一個局面。而 A/B 代表這個節點被訪問 B 次，黑棋勝利了 A 次。例如一開始的根節點是 12/21，代表總共模擬了 21 次，黑棋勝利了 12 次。
我們將不斷重複一個過程（很多萬次）：

1，這個過程的第一步叫選擇（Selection）。從根節點往下走，每次都選一個“最值得看的子節點”（如果輪到黑棋走，就選對於黑棋有利的；如果輪到白棋走，就選對於黑棋最不利的。但不能太貪心，不能每次都只選擇“最有利的/最不利的”，因為這會意味著搜尋樹的廣度不夠，容易忽略實際更好的選擇，我們使用UCB選擇公式，調節引數C，兼顧廣度和深度），直到來到一個“存在未擴充套件的子節點”的節點，如圖中的 3/3 節點。什麼叫做“存在未擴充套件的子節點”，其實就是指這個局面存在未走過的後續著法。
（注意，如果是對方棋子走，需要把勝率估計倒過來，上圖有錯誤）

2，第二步叫擴充套件（Expansion），我們給這個節點加上一個 0/0 子節點，對應之前所說的“未擴充套件的子節點”，就是還沒有試過的一個著法。

3，第三步是模擬（Simluation）。從上面這個沒有試過的著法開始，用快速走子策略（Rollout policy）走到底，得到一個勝負結果。按照普遍的觀點，快速走子策略適合選擇一個棋力很弱但走子很快的策略。因為如果這個策略走得慢（比如用 AlphaGo 的策略網路走棋），雖然棋力會更強，結果會更準確，但由於耗時多了，在單位時間內的模擬次數就少了，所以不一定會棋力更強，有可能會更弱。這也是為什麼我們一般只模擬一次，因為如果模擬多次，雖然更準確，但更慢。

4，第四步是回溯（Backpropagation）。把模擬的結果加到它的所有父節點上。例如第三步模擬的結果是 0/1（代表黑棋失敗），那麼就把這個節點的所有父結點加0/1。

注意：最終應該選擇訪問量最大的節點，而不是勝率最高的節點，簡單地說是因為訪問量最大的節點的結果更可靠