「タイトル未定」というタイトル

Entries

とりあえず選手権の交通手段の確保

　行きのバスのみですが、完了。　旅の散策バスという奴で、名古屋→新宿の片道3500円。値段で決めました。　もし同じバスに乗る参加者がいたら（いないか？）、車中で話してみたいですね。あ、ちなみに私の席は最後部右側です。...

　をアイデアメモに書こうかと思ってたんですが、既に前例がありました。　どういうものかと言うと、強化学習自体のパラメータ（評価関数の様な調整対象のパラメータではなく）を強化学習でコントロールしたらどうかな、ってアイデアです。　名付けて“メタ強化学習”。　似た様なアイデアはGA（遺伝的アルゴリズム）でも“メタGA”っつーのがあって、こっちはGAのパラメータ（突然変異率とか）をGAでコントロールするものです。　で、...

強化学習の概要（1）

　今年の選手権が終わったら、本格的に強化学習を使った評価関数の自動生成に取り掛かろうと思い、この間買った本を寝る前にちょこちょこと読んでます。　で、そこで知った事を頭に定着させる為に、それと「こういう事も出来るかも」という紹介の為に、ちょっとまとめてみます。　まぁ、開発が進んでいないから現実逃避、って事でもあるのですが。　強化学習を理解するには、教師あり学習と比較すれば分かりやすいとおもいます。　...

あ、新しい並列化方式を思いついた

　それぞれ異なる評価関数を持つ複数のプレイヤーに個別に探索させ、出てきた最善手から多数決とかで最終的な最善手を選ぶってのはどうでしょう。　なんつーか、アンサンブル学習？パラメータ自動調整をするなら、バギングとかブースティングで複数の評価関数を作るのは簡単そうですし。　ついでに探索も各プレイヤーはシングルスレッドのMinMaxでOKだから、理論上は並列化による効率低下は無いし（まぁ実際には、メモリとかの共...

今更ながら開発の方針について悩む・・・

　このままGA＋手作りの（それなりに複雑な）評価関数で行くか、シンプルな評価関数を自動学習で作るか。　以前アイデアメモに書いた、囲いを評価する方法・GAで囲いを検討する方法や囲いの急所を認識して攻める方法を試してみたいのですが、肝心の時間が残り僅かですし。　その点、自動学習なら評価関数を駒割り＋二駒の位置関係とかに限定してサクっとコーディング出来そうなんですよね。（まぁ、学習が上手く行くかは別問題なの...

ITmediaにコンピュータ囲碁のニュースがありました

　が、読んでもさっぱり理解出来ません。多分モンテカルロ囲碁の事を書いてるんだとは思いますが・・・　あ、ソースはここ（囲碁ソフト用の新アルゴリズムは「スロットマシン」がヒント）です。　とりあえず　カジノの客は大概、特定のスロットマシンがほかのマシンと比べて平均的に当たりが良いことには気付くだろうが、もっと賢い客であれば、大当たりが隠れている可能性を見込んで、それまで当たりの少ないマシンもトライすべき...

Amazonで「強化学習」購入

　開発の合間にぼちぼち読んでいきます。目標は選手権までに一通り目を通す事でしょうか。　レビューを見ると評判がいいみたいですし、一週間だけ図書館で借りて読んだ時もいい感じだったので、これがあれば入門には充分そうです。...

結局、開発日記の続きは無し

　評価関数自動学習に関してちょっと考えている事があって、それ関連の事を調べていました。　まず、自動学習ですがBonanza以降“プロの棋譜からの学習”が主流になっていると思います。　が、それは面倒・・・じゃなくてやりたくないでもなくて、個人的にはあまり面白くないな、と。　いや、別にBonanzaにケチをつける訳じゃないですよ。と言うか、選手権で優勝したからケチのつけ様が無いです。　ただ単に、同じ事をするのは自分ら...

戦い終わって日が暮れて

　そんな訳でオープン戦終わりました。結果はこちら。　結果は・・・0勝3敗。まぁ、当然の結果です。　なんつーか、今回は通信テストというか自分がCSA将棋を操作する練習というか、そんな感じなので。　強さを測るテストにならなくてすいません＞ HIT将棋さん、臥龍さん、井上将棋さん　さて、それじゃぁ次回オープン戦の４月までにはちゃんと指せる様に頑張りますか。...

実現確率打ち切り探索の拡張

　実現確率打ち切り探索は激指が大元なんですが、私は遷移確率の計算方法を少し違う形で実装しようと考えています。　で、その激指は手の表面的な性質を元に遷移確率を計算しています。　その “表面的な性質” というのは、手の選択的生成や評価関数と密接に関連しているのではないでしょうか？　ならば、手を一括生成している上に評価関数も異なる自分のプログラムには、そのまま適用出来ません。　また、手の表面的な性質に基づい...

Appendix

QRコード

プロフィール

アベント

@author アベント
@mail murakumo_xp@yahoo.co.jp
アセンブラなんて分からないニュージェネレーションのJAVAプログラマ。
でもJAVA実習の単位は落とした経験あり。二回目もC判定。＜だめジャン
でもJAVAが好き。
2ch プログラム板にも出没。
- おまいら最強の将棋プログラムしてみろよ
- すれ立てるまでもない質問はここで
- Java質問・相談スレッド
- クラス名・変数名に迷ったら書き込むスレ