囲碁における大局観を実現する広域パターンマッチング

• 本田, 拓朗

• Viennot, Simon

• 池田, 心

書誌事項

タイトル別名

• Broad Pattern Matching for the Opening Moves in Go

抄録

モンテカルロ木探索（MCTS）を用いたコンピュータ囲碁においては，棋譜を用いた機械学習によって行動評価関数を調整することで，木探索部で探索する枝の絞り込みやプレイアウト部での着手確率の調整を行い，棋力を向上させる研究が広く行われている．学習に用いる重要な要素として，着目点の周囲の配石パターンがあり，棋譜中に頻繁に現れるものを抽出し，重み付けすることによって着手の評価に用いられる．着手を正確に評価するためには盤上のより広い範囲をカバーする大きなパターンが必要であるが，大きなパターンは棋譜中に出現する回数が少ないため，十分に学習するためには非常に多くの棋譜が必要になる．この問題に対し，本稿では，盤面を縮小することによって「広い範囲をざっと見る」新たなパターンマッチングを提案し，実験によりその有効性を示す．

In Monte-Carlo computer go, machine learning of patterns from existing game records is a well-known method to compute an evaluation function, which can then be used to prune the search tree, or a probabilistic model to improve the quality of the random playouts. The learning process is mainly done by computing the frequencies of patterns in the game records, and then deducing the corresponding weights of each pattern in the probabilistic model used for choosing the next move. To obtain a more precise evaluation function, broad patterns that cover a wide area of the board are needed, but when the size of the patterns increases, the frequencies in the game records decrease, making the learning process impossible without a huge number of game records. In order to attack this problem, we propose a new pattern matching method that only retain the main picture of the board by reducing the board size. The reduction process is done by dividing the board into areas, and evaluating the influence of the stones in each area.

収録刊行物

• ゲームプログラミングワークショップ2012論文集

  ゲームプログラミングワークショップ2012論文集 2012 (6), 17-21, 2012-11-09

詳細情報

• CRID: 1050011097143575552
• NII論文ID: 170000076244
• Web Site: http://id.nii.ac.jp/1001/00091322/
• 本文言語コード: ja
• 資料種別: conference paper
• データソース種別:
  • IRDB
  • CiNii Articles