適格度トレースっポイものを実装する予定。

新アルゴリズムですが、どっかバグが有るらしくてアサーションに引っかかってました。 んで、再現出来なかったのでエラー発生時はSFEN形式で局面と指し手の履歴を出力する様に修正。 とりあえず、これで次回のバグ発生時は原因追求出来るかと。

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…

学習用兼選手権用PCとして、Xeon E5-2630 v2（6コア・2.6GHz）デュアルでRAM64GBなマシンを組もうと思い、大須に下見に行ってきました。 んで、色々店を回った結果↓ 九十九電機：私「Xeonデュアルで組みたいんスけど。」店員さん「おｋ！メモリはECC付きでお…

PGLeafで17万局ほど学習させたパラメータを使用。 んで、全幅+静止探索だと26-0-28*1で勝率48.1％。これにLMRを加えたら69-0-37で勝率65.1％になりました。 ちなみに評価項目はこんな感じ。 駒割 駒の絶対位置評価 二駒の相対位置評価 駒の自由度 王将の移動…

とりあえずPGLeafで学習させつつ、並行して合議PGLeafのデバッグとか評価項目の追加とか。 んで、二駒絶対評価と三駒相対評価を実装して、ザクッとパラメータ数を数えると…全部入りで250万個… 学習用マシンの同時実行可能なスレッド数次第ですが、ひょっとし…

http://wdoor.c.u-tokyo.ac.jp/shogi/view/2014/02/06/wdoor+floodgate-900-0+gps500+Gasyou_Atom-D510_1c2t+20140206233001.csa gps500に勝ったことだし、気分良いうちにサクッと寝ますか。