Monte-Carlo Tree Search (w skrócie MCTS) – heurystyka podejmowania decyzji w pewnych zadaniach sztucznej inteligencji, używana zwłaszcza do wyboru ruchów w grach. Sztandarowy przykład jej zastosowania to współczesne programy komputerowe do gry w go. Metodę MCTS stosuje się również w programach grających w inne gry planszowe (między innymi Hex, Havannah, Amazonki i Arimaa), w gry czasu rzeczywistego (na przykład Ms. Pac-Man) oraz w gry niedeterministyczne (na przykład skata, pokera, Magic: The Gathering czy Osadników z Catanu). Metoda MCTS skupia się na analizie najbardziej obiecujących ruchów, opierając rozrost drzewa wariantów na losowym próbkowaniu przestrzeni przeszukiwań.
Zasada działania Podstawę metody MCTS w grach stanowią symulacje (ang. playouts), czyli szybkie rozgrywki złożone z losowych ruchów. Wynik symulacji to informacja o tym, który gracz został jej zwycięzcą.