評価項目全部入り UCT方策＋ソフトマックス方策 目標探査回数2回 探索は全幅1手＋静止探索4手 さて、上手く行くのかどうか。

新バージョンで学習したパラメータ＋新バージョンプログラムで連続対戦。 結果、164-2-186で勝率46.9％、95％信頼区間は41.5〜52.2。 旧バージョンで学習した場合より20ポイントほど勝率低いですね。うーん。 まぁ、評価項目増やせば強くなるかもしれません…