■アピール文章 きのあ将棋
○作成 :2016/03/31


●最近の模索：評価関数について
2014年秋ごろから2015年の模索にて、下記のモデルがようやく機能するようになりました。
・手作業によるチューニングした評価関数を利用した探索結果の評価値を算出。
・その評価値と探索ルート局面を元に、別モデルの評価関数のパラメータを評価値同士が近くなるように自動調整。


●最近の模索：候補手生成について
こちらも機械学習がある程度は機能するようになり候補手リストの精度が向上するようになったものの
重要な手が候補手の上位リストから漏れることも多く課題が多い状態です。


●最近の反省点
・研究に集中する時間を確保できなかった。
・それにしても十分な試行錯誤を繰り返すことができなかった。
　→検証を簡略化高速化しても、問題がないようにすることにもっと注意を払うべきだった。


●2016年コンピュータ将棋選手権に向けて
現在のところ下記の内、いくつかを模索予定です。

・やや保守的な取り組み。
　→評価関数にて、王の周囲に仮想駒を配置し、現状の仕組みのままでの精度向上。
　→候補手生成にて、規格化した手の評価を用意し、現状の仕組みを整理して精度向上。
　→自己対戦から局面ごとの勝率を生成し、それを元に評価関数の再学習。
　→評価関数と候補手リストの順位などからの枝狩り精度向上。
　→ディープラーニングの利用。

・やや野心的な取り組み。
　→評価関数を複数用意し、反復進化で探索するたびに利用する評価関数を増やして行くモデル。
　→候補手の際に種類別にハッシュ値をとり、それを配列の連鎖参照し評価するモデル。


End