The evaluation of the qualitative similarity of Dai-Shogi variants by using Machine Learning techniques

使用机器学习技术评估大将棋变体的定性相似性

• 批准号: 19K12719
• 负责人: 佐々木 宣介
• 金额: $ 1.75万
• 依托单位: Prefectural University of Hiroshima
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19K12719/
• 关键词: 大将棋類; 自動プレイ; 中将棋; 機械学習; 大将棋

本研究で対象としている大きな盤と多数の駒でプレイされる大将棋類のルール評価について、これまでは主に「中将棋」という変種を対象に行っていた計算機実験の信頼性向上のため、機械学習手法の改良を目指し、機械学習手法の調査および計算機実験プログラムの開発と評価を目指している。過去に行ってきた大将棋類のゲームのデータを採取する自動プレイ実験の実施にあたり、中将棋については、機械学習手法の一種であるTD（Temporal Difference）学習法によって駒の価値のみを学習するプログラムを作成して駒価値を学習し、駒価値のみを評価関数とする思考アルゴリズムのプログラムを用いた計算機実験を行ってきた。この自動プレイ実験で得られるデータは、ランダムに近い弱いプログラムであった。そこで、より信頼性の高いデータを得るために、本申請においては、さらに強い大将棋類の思考プログラムを実現するために、機械学習手法の改善を図ることとしている。今年度は、前年度に引き続き、通常の将棋プログラムの機械学習において近年成果を上げている学習手法の調査および、その手法を参考にした各種将棋変種のプログラムの開発を実施してきた。本研究当初の計画では大きな盤の変種を中心に実施する予定であった。しかし、本研究で用いる機械学習の手法の比較を行うにあたり、並行して、過去の研究で評価した小さい盤の将棋類に対する実験結果についても、あらためて学習方法の改善とルールの評価を同時に行うこととした。そのため、プログラム開発と評価に大きな時間を要している状況である。特に大将棋類については、通常の将棋よりも大きな盤面と多数の駒を用いているため、機械学習の実験実施や、その後の計算機実験の実施において一定の時間が必要で、現時点では特に大将棋類の実験が、まだ機械学習プログラムの開発と、その性能評価の段階となっている。

This study で like と seaborne し て い る big き な plate と most の colts で プ レ イ さ れ る general board の ル ー ル review 価 に つ い て, こ れ ま で は main に と "will move" い う variations of を line like に seaborne っ て い た computer be 験 の letter 頼 sex up の た め, machine learning technique improved の を refers し, machine learning technique の survey お よ び computer be 験 プ ロ グ ラ ム の The development of と comments 価を points to て て る. Line the past に っ て き た general board の ゲ ー ム の デ ー タ を take す る automatic プ レ イ be 験 の be applied に あ た り, will move に つ い て は, machine learning technique の a で あ る TD (Temporal Difference) learning method に よ っ て colts の 価 numerical の み を learning す る プ ロ グ ラ ム を made し て colts 価 numerical study を し, colt 価 numerical の み を review 価 masato number と す る thinking ア ル ゴ リ ズ ム の プ ロ グ ラ ム を with い た computer be 験 を line っ て き た. <s:1> <s:1> automatic プレ られるデ actual で られるデ られるデ タ プログラムであった, ラ ダムに ダムに ダムに close to プログラムであった weak to プログラムであった プログラムであった. そ こ で, よ り letter 頼 の high い デ ー タ を have る た め に, this application に お い て は, さ ら に strong い general board の thinking プ ロ グ ラ ム を be presently す る た め に, machine learning technique の improve を 図 る こ と と し て い る. Our annual に は, former lead き 続 き, usually の will move プ ロ グ ラ ム の rote learning に お い て in recent years, achievements on を げ て い る learning technique の survey お よ び, そ の gimmick を reference に し た various will chess - の プ ロ グ ラ ム の open 発 を be applied し て き た. The original plan of this study was to で で the large <s:1> な disk <s:1> variation を center に implementation する and であった determination であった. し か し, this study で い る rote learning の line technique の is を う に あ た り, parallel し て, past の research で 価 し た small さ い plate の will board に す seaborne る be 験 results に つ い て も, あ ら た め て の learning method to improve と ル ー ル の review 価 を line at the same time に う こ と と し た. そ の た め, プ ロ グ ラ ム open 発 と review 価 に big き な time を し て い る condition で あ る. Trevor に general board に つ い て は, usually の will move よ り も big き な disk と most の colts を with い て い る た め, mechanical learning の be 験 be や, そ の の computer after be 験 の be applied に お い て bound の が で necessary time, current で は, に general board の be 験 が, ま だ rote learning プ ロ グ ラ ム の open 発 と, そ の performance evaluation 価 の Duan Jie と な っ Youdaoplaceholder0 て る.