カーネル法を用いたコンピュータ将棋の評価関数の学習

IPSJ

Bibliographic Information

Other Title
  • Learning Shogi Evaluation Functions using Kernel Methods

Search this article

Abstract

近年,コンピュータ将棋における評価関数は,機械学習を応用したパラメータの自動調整を行う手法が主流となっている.ただし,評価項目(特徴)は,作成者の考え,感覚に基づいて用意されることがほとんどである.本論文では,プロ棋士の棋譜を学習サンプルとして,カーネル法とサポートベクトルマシンを用いて学習を行う手法を提案する.カーネル法を用いることにより,作成者があらかじめ複雑な特徴を用意せずとも,局面を表現する単純な特徴のみから,特徴間のn項関係などのより高次な特徴のが暗に生成され,その特徴空間で学習が行われる.複数の駒の位置関係の考慮が不可欠である囲いの評価実験を行い,カーネル法が有用性を示す結果を得た.また,本手法により得られた評価関数は,定跡などの明示的な知識を導入することなしに得られたにもかかわらず,特に序盤において,人間らしい局面評価を行うことを示す.

Recently, automatic optimization of parameters by applying machine learning methods has become a mainstream approach for developing good evaluation functions in shogi. However, the features used in the evaluation functions are prepared by the developer, depending heavily on his/her knowledge and intuition. In this paper, we propose a method for learning evaluation functions from game records of professional players, using kernel methods and Support Vector Machines (SVMs). By using kernels, higher dimensional features such as n-ary relations between simple features can be considered implicitly, and various complex features can be considered without preparation. We apply our method on castle positions, which require consideration of relative positions of pieces, and show that the evaluation functions learned using kernels give better results. We also show that even without knowledge of standard moves, we were able to obtain human-like evaluation functions, especially in the opening.

Journal

Details 詳細情報について

Report a problem

Back to top