やっぱり収束した

　昨日の続きですが、目標探索率を0.05にしてたら収束してない様に見えましたが、0.0にしたら4千局ほどで収束しました。

　その他の条件は下記の通り。

• 方策オフTDLeaf(λ)。
• ソフトマックス方策。
• テーブル形式の評価関数。初期値は-1.0〜1.0の範囲の一様乱数。学習率0.1。

　目標探索率0.05だとどういう現象が起きてるか気になるので、情報表示系を実装してログを見てみる事にします。

4x4のリバーシでもちゃんと収束

　"平均石差"が自己対戦終局時の石の数の差の平均で、"平均石差（グリーディー方策）"の方が、初手から終局まで評価値が最大の手を選び続けた場合の石差です。

　平均石差の方は-8よりやや小さな値になってますが、グリーディー方策の方はピッタリ-8になってます。

　ちなみに評価関数は例によってテーブル形式で、パラメータの初期値は0.0、学習率は三目と同じく0.1です。

とりあえず5五将棋で学習開始

　デバッグモードで一晩走らせて、その後は結果次第で出たとこ勝負、って事で。

そう言えばハイエンドデスクトップ向けSandy Bridgeの話

　http://a96sj096.cocolog-nifty.com/weblog/2011/05/computex-taipei.html

　ちょっと前から噂にはなってたんですが、Extreme版でも6コアらしいですね。

　という事は、8コアはXeonだけって事なんで、ちょっと残念です。

　と言うか、6コアでBulldozerに対抗出来るんでしょうかね？ どうなんだろう。