2014-01-01から1年間の記事一覧
エレガント詰めルーチンは断念しました。 正確に書くと、ルーチン自体は実装できた(はず)なんですが、通常探索と喧嘩してしまいました。 という訳で、Fixと書くとカッコいいですが、「前回選手権バージョンほぼそのまま」です _| ̄|○ これじゃぁ、予選突…
エレガント詰めルーチンの実装を開始しますか。
前から連続対戦させてたのは、最新版から見て240-18-219で勝率52.2%になりました。 という訳で、最低ラインの「選手権と同等の棋力」ってのはクリア。 さて、後は詰将棋ルーチンに手を入れますか。
「Labyrinthus辱め詰め」に触発されて、面白い詰将棋ルーチンを作れないかと検討中。 んで、風呂の中でザックリと構想だけねってみました。 可能な限り長手数での勝ちを選ぶ。 自分の駒(盤上・駒台とも)が少ないほど加点。 自玉と敵玉が近いほど加点。 ス…
http://www.itmedia.co.jp/news/articles/1410/28/news109.html 「芝浦工業大学」って文字を見て「五十嵐先生かっ!?」と思ったら違いました。 んで、「プロトコル解析法」っていう気になる単語があるんで調べてみましたが、被験者の発話内容から思考内容を…
ひまわり対GA将!!!!!!!の動画を見つけたので掲載。あ、うp主≠私です。 結局、前回の選手権ではリベンジ出来なかったんですよねぇ。 という訳で、トーナメントで当たるのが楽しみです。強化学習勢としては、負けられない戦いです。
Softmax実現確率探索のパラメータ学習はひとまず保留として、αβ探索のコードを復活&テスト中。 選手権時の評価関数パラメータを使用して、現行バージョン(トーナメントに出すやつ)と選手権バージョンで連続対戦中。 現在8-1-7なので、多分エンバグはして…
今週末も成果無し&電王トーナメントは選手権バージョンで参加… やばい、何とかしないと。
現在、Softmax実現確率探索を実装中です。 これがどういう物かと言うと、方策勾配法で局面遷移確率計算用関数のパラメータを学習するアルゴリズムです。探索自体は、激指の実現確率探索とほぼ同等。 んで、遷移確率計算には着手の表面的な性質(移動前後のマ…
http://d.hatena.ne.jp/Gasyou/20141022/1413978098 バグとしては1つで、エラーとして現れる現象が2種類あったみたいです。 で、原因は配列の領域オーバーによる他の変数の破壊でした。 とりあえず対策して、現在動作テスト中。一晩走らせてエラーにならなか…
一つは浮動小数点型の値がQNaNになるバグで、アサーションに引っかかる(エラーメッセージも出る)。 もう一つはよく分かんないけど、エラーメッセージ無しで落ちる。 現象としては2種類あるけど、根っこは同じって可能性もありますが、2つバグが有る可能性…
設定画面に「{}開発者向けオプション」が表示されていなくて、仮想マシンにARTを使用出来なかったので対策をメモ。 http://smhn.info/201311-android-developer-option 上記サイトを参考に、「端末情報→ビルド番号」を連続タップして開発者になり、無事成功。…
合議用SR-PGLeafで64万局ほど自己対戦したパラメータ。クライアント数は16。探索深さは全幅1手+静止探索1段目6手。 んで、バグってて連続対戦が途中で止まってましたが、その時点までで105-?-19で勝率84.7%。まだまだですね。 昨夜からほぼ丸一日かけて290…
とりあえずザックリテストしたんで、一晩アサーション有効で走らせてみます。 合議クライアントの学習法は色々考えられますが、私は16種類の評価関数でリーグ戦をしながら学習していく方式を選びました。 これだと、各クライアントがそれぞれ異なった経験を…
本将棋モードでSR-PGLeafを使って評価関数パラメータのみ学習したバージョン。 結果は434-0-1で勝率…はいいか。 今朝時点の11万局ほど学習したバージョンですので、sspを相手にするにはもうちょっと対局数を増やす必要があるかと思います。 とりあえず、寝る…
http://minerva.cs.uec.ac.jp/~uec55shogi/wiki.cgi?page=%C2%E88%B2%F3UEC%C7%D5+5%B8%DE%BE%AD%B4%FD%C2%E7%B2%F1 に参加しようかと検討中…なんだけど、電王トーナメントとか色々あって旅費を捻出出来るかが微妙。 ただ、1/128里眼さんとかK55さんとかにリ…
どうあがいても探索パラメータの学習が上手く行きません。バックアッププランも含めて全滅。 という訳で、気分転換として合議用評価関数の学習をやってみます。 …まぁ、今日は学習の下準備で終わりそうな感じですが。
探索ルーチンの学習が行き詰まり気味なので、気分転換も兼ねてExperience Replayを実装。 どういう手法かというと、過去の局面・指し手・報酬を全て記録しておき、その中からランダムサンプリングしたものを使ってパラメータ修正を行うというもの。 どうも、…
先手と後手で探索ルーチンを分け、後手のパラメータは初期値(極めて小さい乱数)に固定・先手のパラメータのみ学習って条件で連続対戦中。 んで、先手の勝率は70%を越える位まで一旦上昇し、その後下降します。 つー訳で、バグの可能性が高いんで何とかしま…
Softmax実現確率探索ですが、ある程度はちゃんと学習が進む様になりました。 具体的には、5五将棋でssp相手に271-?-61で勝率81.6%、95%信頼区間が77.0〜85.6。 多分、「全幅探索ベースで前向き枝刈りはLMRのみ」の場合と同じ位の強さです。 んで、今日は着…
大宮駅前のパークプラザ大宮という所にしました。 会場に近いし、安かったんで。 さて、後は一ヶ月前になったら行きの夜行バスを予約しておけばOKかな。
コーディングしてると時々出てくるのが、メモリアクセスがボトルネックになる現象。 んで、これってメモリ上(か、メモリモジュール上)にシンプルなプロセッサ*1を載せれば解決しないかなぁ、と時々思います。 例えばdouble型の1次元配列が2つあって、内積…
http://wdoor.c.u-tokyo.ac.jp/shogi/view/2014/09/16/wdoor+floodgate-900-0+Gasyou_Athlon-5350_4c+Bonanza6.0_Depth5+20140916233005.csa 秒読みモードになった途端評価値が急落… これは、何かバグってるのかなぁ?
最寄り駅→大宮の夜行バスが6千円台である。これは使えるかも。
試しに自己対戦の一棋譜だけを対象に学習させるモードを実装。 んで、走らせてみると最善手以外の遷移確率が上昇していくという変な現象が。 明らかにバグなんですが、学習則が複雑なのでどこがバグってるかサッパリです。 …いっぺん、学習部分をシンプルに…
デバッグの理論と実践 ―なぜプログラムはうまく動かないのか作者: Andreas Zeller,中田秀基,今田昌宏,大岩尚宏,竹田香苗,宮原久美子,宗形紗織出版社/メーカー: オライリージャパン発売日: 2012/12/22メディア: 大型本購入: 4人 クリック: 184回この商品を含…
遷移確率でオーダリングした時の最善手の位置が、平均3手目までは下がる様になりました。 が、一旦3手前後まで下がった後6〜7手まで上昇するって現象が発生。 始めはどっかの変数の初期化漏れとかを疑っていたんですが、プロセスを殺してから再度走らせても…
おかしい、下がるはずの値が全然下がらない… 実装が間違ってるのか、アルゴリズムの問題か、それともメタパラメータの設定か。怪しい所が色々あるので、どうしたもんかな。
とりあえず探索して、着手評価関数の勾配を計算するのに必要なデータを収集する所までは実装完了。 んで、パラメータ更新部分が以前のバグ持ちバージョンなので、明日にはそこを修正予定。 とりあえず、アサーション有効にして一晩走らせてみます。
http://d.hatena.ne.jp/Gasyou/20140907/1410080790 で書いたコードを発見しました。 やっぱ、ソースの履歴に適切にコメント付けとかないと、いざという時困りますね。 さて、それでは開発に着手しますか。