要するに「平手初期局面をルートノードとしてUCTの木を成長させていき、木の中ではUCTに従って手を選択。木から外れたらαβで探索して手を選択。」ってアルゴリズムです。
序盤だけはある程度大きな木の中で処理するので、序盤の指し手が多少はマシになってくれないかと期待しています。後は、序盤のバリエーションが増える事で局所最適化が防げないかな、とか。
正直、これでダメならもう何のアイデアも無いので、実装するのが怖かったりもします。が、そうも言ってられないのでとりあえず実装して、今後の事はそれから考えます。
