|
ゲーム情報学の分野において、将棋や囲碁、チェスなどの二人零和有限確定完全情報ゲームを対象として研究を行った。この分野における大きな研究目的に人間に勝つような強いプログラムを作ることがあるが、そのためには評価関数(形勢判断)とゲーム木探索(先読み)が重要であり、両者の改良について多くの研究がされている。評価関数やゲーム木探索の性能を評価するには、一般に対戦が用いられるが、時間がかかることや結果のフィードバックがないなどの問題がある。
この問題点を解決するための手法として、棋譜データとプログラムの評価関数との関係を見るEvaluation Curveなどの評価手法を報告者は提案し、その有効性を示してきた。本年度は、対戦実験など性能評価に関する実験データの追加・充実した。
モンテカルロ木探索はコンピュータ囲碁で大きな成功を収めた手法で、他のゲームでも応用が試されている。しかし、将棋やチェスでは、従来手法に匹敵する成果は得られていない。モンテカルロ木探索の試みの中で評価関数とモンテカルロ木探索を組み合わせる手法があり、いくつかのゲームでは従来のモンテカルロ木探索、従来のアルファベータ探索よりも良い性能を得ることに成功した例が報告されている。これまでの研究や、モンテカルロ木探索と評価関数両者の性能評価を行ってきた知識と経験を生かし、本年度はモンテカルロ木探索手法と評価関数を組み合わせる手法についてコンピュータ将棋を題材として研究を行なった。その中では、昨年度取り扱った静止探索を組み合わせることを提案し、従来のアルファベータ探索には及ばなかったが、従来のモンテカルロ木探索手法、評価関数だけを使ったモンテカルロ木探索手法よりも性能が良くなることを示した。
|
