と言っても、アルゴリズム自体は以前も実装した事ありますし、現局面から先の報酬を順番に重み付けして加算して行くだけの簡単なお仕事でした。 と言う訳で学習用マシンに本将棋モードで投入。開発用マシンの方は5五将棋モードでやらせてみます。

20000局終了 +---+---+---+---+---+---+---+---+---+ |v香|v桂|v銀| |^角| |^圭| | | +---+---+---+---+---+---+---+---+---+ | | |v金|v王|^銀| | | |v香| +---+---+---+---+---+---+---+---+---+ |v歩| |v歩| |v歩|^角|^と| |v歩| +---+---+---+---+---+--…

適格度トレースっポイものを実装する予定。