開発中にタバコを我慢するのはつらいですね。 今まではちょっとした実験中に一服してたんですけど、その時間が手持ちぶさたになってヒマです。

リバーシでの実験だけですが、ちゃんと方策オフに修正出来たと思います。多分。 前にも書いたと思うのですが、エージェント自身がグリーディーな行動をしたか*1だけではなくて、対局相手がグリーディーな行動をしたかを考慮するのが必要でした。 後は方策の…