簡易版ボナメソで学習させたパラメータを持ち越して学習させてみても、でたらめな手しか指さない。 んで、方策をソフトマックスからεグリーディーに変えるとちゃんと指してるので、ソフトマックス方策がおかしい模様。 とりあえず仮の対処としてεグリーディ…

http://nueda.main.jp/blog/archives/004880.html 発売がいつになるかは分かりませんが、ひょっとしたらギリギリ選手権に間に合うかも。