ルールの単純さと難易度の高さから，Ms. Pac-Man がデジタルゲームAI の研究対象として注目を
集めている．Ms. Pac-Man プレイヤでは，ルールベースを用いたプレイヤよりモンテカルロ木探索，特に
UCT (Upper Confidence Bounds applied to Trees) を用いたプレイヤが優秀な成績を収めている．本研究
ではTD() 法で学習した評価関数を用いたUCT の改善について提案する．UCT における評価関数の利
用には，Progressive bias を用いた．Progressive bias ではUCT の序盤の展開を評価関数に従うようにし
て有利な局面の探索を増やす．評価実験ではシミュレータ上で既存手法のUCT を大幅に上回る得点を獲
得した．