ソフトマックスでやってみました

温度は設定可能な値が0より大きい数なので、遺伝子の値をパラメータの値に変換するのにはシグモイド関数ではなくexpを使いました。

それ以外は問題の性質とかは特に変わらないので、大きな問題は無し。順調です。

さてと、それでは次は三目並べでメタ強化学習ですね。これは明日やります。