プラン再構築

• 将棋の学習関連
  • TDLeaf(λ)エージェントを再実装。
    • 方策をエージェントから独立させる。
  • 学習中の各種統計情報の収集・表示ルーチン実装。
    • std::vectorあたりを勉強しとくこと。
  • 王手将棋での予備実験。
    • εグリーディーとソフトマックス手法の比較。
    • 評価関数を非線型に修正して、従来バージョンと比較。
    • 先後入れ替えて収束するかテスト。
  • ハッシュ表の再実装。
  • 評価関数でのstd::mapの使用をやめる。
    • ひょっとしたらテンプレートを使用する必要があるかも。ここら辺は要検討。
  • 評価項目の追加：王将との相対位置。
  • 対局部分の並列化。
  • 他のソフトとの連続対戦アプリ実装（勝率での検証用）。
  • 将棋のルールの細かい部分の実装。
    • 千日手・連続王手の千日手の検出。
    • 入玉宣言の実装。
    • 打ち歩詰めの検出。
  • シンプルなメタ強化学習でメタパラメータの調整。
    • クライアントサーバ方式なら、GAやUCB1部分はJavaでの実装がそのまま使えるかも。要検討。
    • 王手将棋・後手ランダムだと条件が簡単すぎるかもしれないので、それについても検討。
  • 評価項目の追加：ピン。
• floodgate参戦
• 選手権での対局用
  • USIにちゃんと対応。
  • 思考時間制御。