Comments 8
1. Ты умудрился так написать про AB-отсечение, что я его наконец-то понял.
2. Идея использовать машинное обучение для предварительной сортировки ходов порочна по сути своей.
3. В сёги я играю лучше.
2. Идея использовать машинное обучение для предварительной сортировки ходов порочна по сути своей.
3. В сёги я играю лучше.
Касаемо сути. Эвристики используются для того, чтобы потенциально наиболее сильные ходы рассматривались раньше. Логичным способом сравнения эффективности традиционных и «машинных» эвристик является сравнение индексов действительно сильных ходов (подтверждённых просчётом дерева) в массивах упорядоченных по различным оценкам. Сравнение эффективности на основе количества вызовов процедуры отсечения кажется мне богомерзким извращением.
Могут существовать эвристики, которые вообще удаляют ходы из рассмотрения (или используют какую-либо другую, более сложную схему упорядочивания ходов), и в этом случае способ сравнивания индексов уже не будет справедлив. С этой точки зрения сравнение количества рекурсивных вызовов — более универсальная характеристика.
Извините, а с каким счетом у вас кот выигрывает?
Если хотите написать сильную программу, думается, вам следует познакомиться с существующими алгоритмами для обычных шахмат. Там очень много продвинутых вещей, сейчас это все описано, и я не вижу причин почему бы они ( с некоторыми изменениями ) не оказались полезными в сеги.
Sign up to leave a comment.
Применение машинного обучения в построении ИИ для игры в японские шахматы (сёги)