今までは自己対戦時には詰将棋ルーチン使ってなかったんですが、ルートノードでのみ軽く0.05秒ほど呼んでみました。性能低いんで3手・5手詰め位は確実に読んで、7手・9手になると運が良ければ読めるって程度の性能です。 んで、対局速度は今の所24時間あたり…

引き続き方策勾配法で頑張っています。 で、方策にはソフトマックスを使ってるんですが、それだと「暫定最善手の評価値がxで温度がTだから、評価値yの手の選択確率はz以下だ」と分かります。 そこで、xとTから適切なウィンドウを設定する事で、zが閾値以下に…