サブゴール自動生成を実装完了 - GA将？開発日記～王理のその先へ～

　i手目の手のサブ報酬は、「勝敗に応じた報酬 * 0.99^i手目から終局までの手数」を目標値として設定する様にしました。言ってみればモンテカルロ法みたいにサブゴールの報酬を決定（学習）します。

　後は以前書いたアルゴリズムのまま。一晩動かしてエラーが出なかったんで、今日から本格的に稼働開始。

　ただ、サブゴールの報酬関連でメタパラメータが2つあるんで、3x3の9通りを並行して学習用マシンで走らせています。

　24時間あたりの対局数は2万4千ほどで、10万局学習させたいんで結果が出るのは4日後の月曜夜辺りですかね。

　残り時間的にはGPW杯へのラストチャンスっぽいんで、何とか上手く行って欲しいのですが…