2008-05-20 VSランダム指しが微妙な結果に… 開発日記 学習経過 一晩動かした感じだと、ちゃんと探索した方が勝率ほぼ100%。 ただし、勝つまでの平均手数は20000局通じて50〜60手で変わらず。 可能性としては二つです。 一局だけで「最短で勝つ方法」を学習した。 実はほとんど学習していない(特に序盤・中盤)。 1は無いですね、ほぼ間違いなく。 という訳で強化学習エージェントの動作が怪しいので、今日はその辺を調べてみます。