1.一种基于平衡探索与利用的蒙特卡洛树搜索方法，其特征在于，包括以下步骤：S01：选择阶段：从搜索树的根结点开始，根据节点的uct值向下寻找未扩展完全的节点；

S02：扩展阶段：从就绪队列中随机选择一个任务，选择可以执行的处理器，以此作为扩展节点；

S03：模拟阶段：从扩展节点开始，随机从就绪队列中选择任务，贪心地选择处理器，直到就绪队列中任务为空为止；

S04：回传阶段：根据模拟阶段获得的makespan值，回传更新从根节点到新的扩展节点之间的所有节点；

S05：重复上述步骤S01-S04，直到满足迭代次数限制或时间限制，最终返回一个最小的makespan值。

2.根据权利要求1所述的一种基于平衡探索与利用的蒙特卡洛树搜索方法，其特征在于，所述步骤S01还包括：若树节点已经扩展完全，则根据UCT公式计算出最大的UCT值作为搜索路径中新的节点。

3.根据权利要求2所述的一种基于平衡探索与利用的蒙特卡洛树搜索方法，其特征在于，所述UCT值的计算按如下公式计算求出，其中，c是一个常量参数，主要用于再平衡探索和利用间的权重；Q(v')表示当前任务节点的累积回报；N(v')表示当前任务节点的访问次数；N(v)表示当前任务节点的父亲节点的访问次数；V(s)表示当前节点在t次模拟时访问了s次的方差再加上 其中Xt表示t次模拟时的平均Q(v')值， 表示总的平均Q(v')值。

4.根据权利要求3所述的一种基于平衡探索与利用的蒙特卡洛树搜索方法，其特征在于，所述步骤S02还包括：扩展节点时需对该节点进行初始化，设置Q(v')＝0，N(v')＝0。

5.根据权利要求3或4所述的一种基于平衡探索与利用的蒙特卡洛树搜索方法，其特征在于，所述步骤S04包括：更新任务节点访问次数以及任务节点累计回报值。

6.根据权利要求5所述的一种基于平衡探索与利用的蒙特卡洛树搜索方法，其特征在于，所述任务节点访问次数N(v')的更新方式为N(v')＝N(v')+1，任务节点累计回报Q(v')的更新方式为：Q(v')＝Q(v')+makespan。