|
ゲームの解析（solve）は情報学の大きな目標の一つであり，本研究の主たる目的は，AlphaZero の枠組みを用いて，完全情報ゲームを解析（または補助）できるアルゴリズムにすることである．AlphaZero が人間よりも強いプレイヤを作れることはすでに示されているが，学習した戦略がどの程度最適に近いのか，および盤面評価値がどの程度正確なのか，については十分調べられていない．
令和２年度では lookup table を用いた AlphaZero の性能を調べた．対象となったゲームは完全解析可能であり，特性や規模の異なるものを含んだ．具体的に，不確定要素のない決定的なゲームにおいては，様々なボードサイズの NoGo（囲碁変種）を，不確定要素を含む確率的なゲームにおいては，2×4 Chinese dark chess（CDC）の最も単純な駒セットの PPPP と，EinStein wurfelt nicht!（EWN）のボードサイズ 3×3・初期3駒ずつ（333）という変種を対象にした．
令和３年度では続いて，より複雑な 2×4 CDC の駒セットの KPPP と GGCC，および EWN334 と EWN343 を対象にして調べた．令和２年度と同様に，AlphaZero パラメータ設定により，学習した戦略と盤面評価への影響の調査が中心となった．分析したパラメータはモンテカルロ木探索の探索定数やシミュレーション回数，木節点の初期化などを含んだ．実験の結果から，最善手を学習できるパラメータ設定の範囲が広いことがわかった．そして，ゲームが複雑になると，適切なパラメータ設定の範囲が狭くなる傾向も見られた．
令和３年度では更に lookup table の代わりとして，完全解析が困難なゲームにも使えるニューラルネットワークを調べた．2×4 CDC の PPPP の実験から，ニューラルネットワークの結果は lookup table に似たような傾向があることがわかった．より複雑なゲームにおいても AlphaZero が最適戦略や理論値を学習できることを期待している．
|
