割引率γと勝率の関係

　方策勾配法で約27万局自己対戦し学習したパラメータを、1手1秒でsspと対局させてみました。

　勝率と95％信頼区間の下限・上限、それから勝ち星は下記の通り。

割引率	対ssp勝率	下限	上限	勝ち星
1	26.1	20.6	32.1	62-0-176
0.999	31.5	27.8	35.4	187-0-406
0.99	30.8	23.9	38.3	52-0-117
0.9	21.8	14.2	31.1	22-0-79
0.85	19.0	14.9	23.6	63-0-269
0.7	20.8	16.2	25.9	60-0-229

　今までは割引率1と同様の学習だったのでそれを基準に考えると、割引率0.9以下は弱くなってるので論外。0.99〜0.999で勝率+5％なので、今後はこの辺の値を採用する事にします。

　あと、割引率0.8と0.5も学習させてたんですが、0.85や0.7の結果を見る限りだと望み薄なんで、連続対戦で検証はやめときます。