一开始是没有树的。树的建立和模拟是交叉进行的。

每次从树根往下走，挑赢的次数多的枝往下走，如果走到叶上了，在叶上做模拟，模拟的结果再往上更新。记下每个节点的访问数和输赢状况。如果某个点赢得少，但是访问次数也少的话，要保证在一定的访问次数后，也要试这些点。balance between exploitation and exploration.

如果叶的访问次数多了，这个叶变成节点，再往下走。

其实看了图后非常好理解。只是我说不好。下面是他们最初的文章。
http://hal.inria.fr/inria-00117266