Monte Carlo Tree Search（MCTS）常被用于调度有向无环图（DAG）工作流，但大多数研究并未与更简单的方法在相同搜索预算下进行公平比较。我们在受控协议下完成了此对比：所有实验臂使用相同的预算，即相同数量的候选调度进行构建和评估。实验包括预先登记的主臂 MCTS 调度方法、没有搜索树的随机重启列表调度（对照）以及基于教材的 UCT MCTS 作为后续臂。分析计划在数据收集前已锁定，独立检查员确认全部 768 条确认阶段的调度均有效且完成时间正确。
在主预算 2048 条评估调度下，MCTS 的平均 makespan 比随机重启高出 2.88%（95% CI [-3.62%,-2.15%]），其中 96 个持出实例中有 72 个存在正的基线相对余量。该劣势并非预算不足导致：在独立的探索池中，随机重启自我提升 1.85%，而 MCTS 仅提升 0.24%；720 条 MCTS 的首次结果中有 700 条仅是其获得的热启动。所研究的选择规则决定性地锁定在首次展开的子节点上，使其试验高度相关，而随机重启则从尾部抽取增益；两者对 makespan 的因果关联仍属推断。结构化映射显示：在稀疏不规则工作流上随机重启占优，规则层次化工作流上差异不可检测，密集工作流则几乎没有改进空间。将选择规则换为教材 UCT 后，劣势大幅缩小至 -0.26%（95% CI [-0.71%,+0.23%]），但仍未出现正向优势。研究范围局限于受控合成域（任务数 N∈{8,16,32}，处理器数 2‑8，预算最高 2048），不对更大预算作出声明。
点评