前にもブログに書いたかもしれませんが、現在のGA将の学習ルーチンでは、勝ったら+1・負けたら-1の報酬を対局終了時に与えています。 で、これを適当に分割して、1手ごとに報酬を与えるってのを検討中です。ただし、1局通しての報酬の合計は+1か-1になる様に…