あれ？

　LMRで「敵陣で敵の利きの無いマスに駒を打つ手は短縮しない」という修正を消したものを、sspと連続対戦させてみました。

　そしたら結果は85-0-90で勝率48.6％、95％信頼区間は41.0〜56.2。前は203-5-137でそれぞれ59.7、54.3〜65.0だったんですが、弱くなってますね。

　前との違いは連続対戦用に評価値に乱数を加算しているのと、ルートノードで合法手が1手ならすぐにそれを指すって違いだけで、後者は強さには影響しないはずですが…

　となると、「乱数加算するとやや弱くなる」って事かな？ そうすると、昨日の結果は「93％の確率で強くなっている」という事らしい*1ので、ソッチの方が良い？

　とりあえず、LMRでは大駒を打ち込む手を短縮しない様にして、floodgateに投入してみます。それから、開発用マシンでは大駒＋金駒に変更して連続対戦ですね。

*1:磯辺さん作 勝率検定補助ツール「tester」の結果 http://sato-www.cs.titech.ac.jp/isobe/downloads.html

ようやくAtomマシンより上に行った

　floodgateでGasyou_Atom-D510_2c4tがずっとGasyou5_Core2Duo-P8600_2cより上にいたんですが、ようやくCore2Duoの方が上に行きました。

　まぁ、稲庭スペシャルに負けまくってたから、そりゃRも低め安定になるだろうとは思いますが。

　…さて、gps500に追い付きたいけど、まだ遠いなぁ。

アピール文書更新

　前回書いた時とは色々変わっちゃったので、現状に合わせて更新しました。

　…入玉狙いの学習は成功させたかったなぁ。ネタとして面白そうだったから。残念です。

そろそろプログラムはFIXかな

• ルートノードで合法手が1手だけならノータイムで指す
• 進行度を基準とした思考時間制御
• USIでscore mate対応
• LMRの短縮しない条件を追加
• Ponder…は無理かな？諦めた

　LMRで「敵陣で敵の利きの無いマスに駒を打つ手は短縮しない」って条件で、駒種を「大駒のみ」か「大駒＋金駒」にするかを決めて、後はもう修正しない方向で。

　GWは今日から三連休と2日挟んで四連休なんで、もうあまり時間が無いですし。

　選手権用マシンもfloodgateでは調子良く動いてるし、荷造りさえすれば準備万端…だと思う。

あーそう言えば

　強化学習の本、布教用に選手権へ持って行こうかどうしようか悩む。

　「買うかどうか検討中だけど、高いから迷ってる」って人がいるなら持って行くんだけどなぁ。

　興味のある方、コメント貰えれば持って行くんで、よろしく。

　ちなみに、手持ちはこの二冊です*1。

強化学習

強くなるロボティック・ゲームプレイヤーの作り方 ~実践で学ぶ強化学習~

　

*1:他にもあるけど、布教用にはあまり向かない本なので…

対稲庭スペシャル

　http://wdoor.c.u-tokyo.ac.jp/shogi/tools/LATEST/html/current/2012-04-Gasyou5_Core2Duo-P8600_2c-InaniwaShogi_Atom-D510_1c.html

　少しは勝てる様になって来ました。今日の14:00の回からだったと思うんですが、思考時間制御をいじったバージョンを投入したら、多少マシになった感じです。

　今までは「残り時間の40分の1を1手に使う」っていう単純なルーチンだったんですが、今日は進行度ベースで制御しています。

　まず、制御の前提として進行度は0.0〜1.0の値で、初期局面で0.0、終局時に1.0でその間が一直線になる様に学習してあります。

　んで、実際の思考時間制御の流れはこんな感じ。

1. 残り時間が2分以下なら1手1秒を上限とする。
2. ルートノードの進行度を求める。
3. ＜初期局面からルートノードまでの手数＞/＜進行度＞ を計算し、初期局面から終局までの手数の予測値を出す。
4. 上の値を元に自分があと何手指すか計算する。この時、残り手数には多少マージン*1をとっておく。
5. 残り思考時間を残り手数で等分した時間だけ思考する（延長・短縮は無し）。

　ものすごいイイカンゲンですが、floodgateを見る限りではそこそこちゃんと動いているみたいです。

*1:現在は2倍

選手権バージョンをFIX

　結局、LMRの短縮しない追加の条件は「敵陣かつ敵の利きの無いマスに大駒を打つ」というのがベストでした。「大駒＋金駒」に変更すると対sspの勝敗が56-0-59で、ほぼ確実に弱くなってます。

　んで、他の細かい改良も終わったんで、これ以降は（バグが出ない限り）プログラムには手を付けない事にします。

　floodgateには軽いアサーションも無効にした、本当の選手権バージョンを投入予定。今pishogi戦の途中だから、それが終わってからですね。

USIエンジンをPGOで最適化

　環境はWindows 7 x64,Visual C++ 2008。

　手順は下記の通り。

1. 将棋所で適当な条件（5分切れ負けとか）で対局。
2. デバッグウィンドウの内容を全部テキストファイルにコピー。
3. grepでGUI→エンジンのコマンドだけ取り出し、usi_command.txtに保存。
4. VC++でビルド→ガイド付き最適化のプロファイル→インストルメント。
5. Visual Studio 2008 x64 Win64コマンド プロンプトを起動。
6. gasyou5_usi.exe < usi_command.txtで、エンジンを走らせる。
7. VC++でビルド→ガイド最適化のプロファイル→最適化。

　NPSは中盤の局面で7.5％向上。期待した程には上がってないですが、まぁちょっとでも速い方が良いんでこれで満足しときます。