状況を整理

昨日書いた条件で一晩対局させてみました。

んで、結果。ε*1は0.1でも0.01でも最終的には3手で勝てる様になる。ただし、そうなるまでの対局数はε=0.1の方が少ない。

要するに探査がうまく出来ていない、という事みたいです。

さて、どうしようか。以前試したUCB1風のボーナスをパラメータに与えるのだと上手く行くかな？ まずはその辺から試してみます。

*1:ランダムに手を選ぶ確率