対Bonanzaでの学習の途中経過
対局条件ですが、GA将!!!!は通常の評価項目＋探索は全幅2手*1・静止探索4手。Bonanzaは定跡ありで探索深さ3に制限、Resignは3000。Bonanzaの深さは、BonanzaとGA将!!!!で思考時間がほぼ同じになる様に決めました。
（クリックで原寸大表示します）
上のグラフは学習の経過をグラフにしたもので、横軸が対局数（÷100なので、41100局分）です。上半分が駒の価値（左側の目盛）、下半分がGA将!!!!から見た勝率の推移（右側の目盛）です。
まず勝率ですが、調子が良いと6割超えます。これは理由が多分二つあって、Bonanzaが評価値-3000で投了するというのが一つ、もう一つは後述。
それから、駒価値のグラフがガクッと変化している部分で、同時に対Bonanzaの勝率も落ちています。因果関係は不明ですが、何か理由があっての現象でしょうから、可能であれば調べてみます。
で、肝心の強さ。弱いです。sspどころかLesserkaiにすらボロボロ負けます。仮にもBonanza3手読みに勝率6割のパラメータとは思えません。
という訳で現時点での結論。「Bonanzaに勝てさえすれば良い、というパラメータになってしまっている。」
ただ、GA将!!!!がどうあがいても勝てない様な条件（Bonanzaの思考時間を1秒にする、とか）で学習するとまた違った結果になるかもしれないんで、改めて実験してみるつもりです。
