とりあえずは今の方向で進めます
まずは短期。
- 探索ルーチンの修正
- SEEでオーダリングを試してみる
- MTD-∞
- ちゃんとプロファイルとる
中期。選手権まで。
- 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。評価関数に直線探索実装。- 将棋のルールの細かい部分の実装。
- 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。