シミュレーション・バランシングを用いたモンテカルロ将棋の方策学習
スポンサーリンク
概要
- 論文の詳細を見る
モンテカルロ木探索(MCTS)の登場により,コンピュータ囲碁プレイヤの棋力は大幅に向上した.こうした成功を受け,静的評価関数とアルファベータ木探索による従来の手法が成功を収めてきた将棋においても,モンテカルロ法の適用が模索されている.MCTSの改良は,モンテカルロ木の扱いに関するものと,プレイアウトの方策に関するものに大別される.本稿では後者に着目し,モンテカルロ将棋の方策の学習に,囲碁で成功を収めているシミュレーション・バランシングを適用することを提案する.実際に,3,000局面でのバランシング方策の学習を行った.対戦実験による評価の結果,提案手法の特に序中盤での有用性を示すことができた.また,バランシングを適用するうえで,詰み付近の局面における将棋特有の課題を解析し,プレイアウトに詰み探索を導入することで一定の改善が行えることを示した.
- 2012-11-15
著者
-
近山 隆
東京大学大学院工学系研究科
-
近山 隆
東大
-
三輪 誠
東京大学大学院情報理工学研究科
-
三輪 誠
埼玉県環境科学国際セ
-
三輪 誠
内燃機関研究会:富士重工業会社
-
三輪 誠
東京大学大学院工学系研究科
-
関 栄二
東京大学大学院工学系研究科建築学専攻
-
関 栄二
東京大学大学院
-
近山 隆
東京大学大学院 工学系研究科
-
三輪 誠
マンチェスター大学コンピュータ科学科
-
鶴岡 慶雅
北陸先端科学技術大学院大
-
鶴岡 慶雅
東京大学工学系研究科
-
鶴岡 慶雅
科学技術振興事業団
-
鶴岡 慶雅
東京大学大学院工学系研究科
-
近山 隆
東京大学大学工学系研究科
関連論文
- コンピュータゲームプレイヤにおける評価要素の自動生成に関する研究(評価関数,ゲームプログラミング)
- Bouzy's 5/21 algorithmを用いたDf-pn+探索の詰碁への適用
- 3C1312 オゾンによる植物被害とその分子的メカニズムに関する研究 : 遺伝子発現でアサガオのオゾンストレスを診断する(3)(3影響-3植物,一般研究発表)
- 3C1300 オゾンによる植物被害とその分子的メカニズムに関する研究 : 可視被害とオゾン濃度との関係(3影響-3植物,一般研究発表)
- GAとTD(λ)学習の組み合わせによるゲーム局面評価パラメータの調整(学習1)
- ドラム演奏のグルーヴ感の解析
- webページ中の単語の使用頻度とPageRank値との関係解析(言語モデル・ウェブ解析)
- 埼玉県土の炭素貯留と二酸化炭素排出削減能力の推計
- P-70 2008年のスギ花粉飛散期におけるスギ花粉アレルゲンCry j 1含有粒子の飛散挙動(ポスター発表(アカデミックプロムナード))
- スギ花粉飛散期における飛散花粉数およびアレルゲン含有微小粒子状物質の高濃度出現の時系列的挙動差異
- 埼玉県都市部、道路端および山間部におけるスギ花粉アレルゲン含有粒子状物質の飛散挙動に関する研究
- 車両用機関の高速化に伴う諸問題
- 対訳辞書のグラフ表現を用いた日英対訳テキストの発見(文書処理,質問応答)
- 日本の風土と21世紀のソフトウェア
- オブジェクト指向計算特集の編集にあたって
- 計算機上で処理を受ける対象の意味づけを保存する場合の処理のモデル化の試案
- 素性にモーラとシラブルを用いた略語の自動推定(言い換え・略語・要約)
- 並列処理のための効率的なトポロジ推定(HPC-10 : 適応環境での通信)
- 1L1445 数種の作物の成長に対する高濃度 CO_2 とオゾンの影響
- 1L1130 コマツナの収量と品質に対するオゾンの影響
- グリッドチャレンジテストベッドの構築と運用 : グリチャレテストベッドの作り方(HPC-3 : 大規模運用システム(1))
- 1F1042 遺伝子発現でアサガオのオゾンストレスを診断する(2)(3影響-3植物,一般研究発表)
- P-51 埼玉県における住民参加を主体としたオゾンによるアサガオ被害調査 : オゾン濃度とアサガオ被害度との関係(ポスター発表(アカデミックプロムナード))
- 3C1116 水稲の収量におよぼすオゾン暴露時期の影響(3影響-3植物,一般研究発表)
- 情報爆発時代における安全・安心ITシステム基盤(情報爆発時代に向けた新しいIT基盤技術の研究)
- 情報爆発時代における安全・安心ITシステム基盤
- DMI:計算資源の動的な参加/脱退をサポートする大規模分散共有メモリインタフェース
- P-54 埼玉県奥秩父の中山間地における大気中オゾン濃度の測定 : ブナ林に対する影響に着目して(ポスター発表)
- スギ苗の生長に及ぼすオゾンと水ストレスの影響
- 初期水稲農薬が水田に生息する非防除対象節足動物に与える影響
- 秩父亜高山帯の樹木立枯れと環境要因
- 1L1430 外生菌根菌に感染したアカマツ実生苗の乾物生長および分配に対するオゾンの影響
- 1I1545 スギの生長に及ぼす乾燥ストレスとオゾンの影響
- 1I1400 外生菌根菌に感染したアカマツ実生苗の生長に対する高濃度CO_2の影響
- P34 外生菌根菌の接種がアカマツ実生苗の生長に及ぼす影響
- 1K1115 奥秩父雁坂嶺付近のシラビソ立ち枯れ実態
- 利用者インタフェースレベルでの理解が可能な処理モデルの構築法
- 確率単純文法のサブクラスにおける一般化と強化学習への応用(計算理論とアルゴリズムの新展開)
- 高いヒープ使用率の下で高速なインクリメンタルGC
- 4T-4 グラフィックエンジンを用いたゲーム探索の高速化(ゲーム,学生セッション,人工知能と認知科学,情報処理学会創立50周年記念)
- スギ苗木のアコースティック・エミッション特性に及ぼす土壌酸性の影響
- 6ZA-2 XQueryを用いたプログラマブルかつ軽量な大規模分散環境におけるモニタリングフレームワーク(システム蓮用・管理(2),学生セッション,ネットワーク,情報処理学会創立50周年記念)
- 低負荷で多数の計算機をリアルタイムに監視するシステムVGXPの実装(大規模システム,SWoPP2006)
- 6ZA-8 広域環境におけるRTTを用いたネットワークトポロジー推定(システム蓮用・管理(2),学生セッション,ネットワーク,情報処理学会創立50周年記念)
- 5W-9 計算機トラブルシュートドメインにおける固有表現抽出(言語情報抽出,学生セッション,人工知能と認知科学,情報処理学会創立50周年記念)
- 4T-2 学習を用いた枝刈の新手法の提案(ゲーム,学生セッション,人工知能と認知科学,情報処理学会創立50周年記念)
- 3L-2 NUMAにおけるメモリローカリティと負荷分散を同時に考慮した並列GCのシミュレーションによる性能評価(分散・並列OS,学生セッション,アーキテクチャ,情報処理学会創立50周年記念)
- 表現の変換という視点からの計算機上の処理のモデル化
- 多クラスSupport Vector Machineを用いた一般物体認識での複数候補提示下における分類性能の傾向(一般セッション5,アンビエント環境知能)
- 多クラスSupport Vector Machineを用いた一般物体認識での複数候補提示下における分類性能の傾向(一般セッション5,アンビエント環境知能)
- 多クラスSupport Vector Machineを用いた一般物体認識での複数候補提示下における分類性能の傾向(一般セッション5)
- 分散計算機環境における異常動作の原因の特定手法(耐エラー技術,SWoPP佐賀2008-2008年並列/分散/協調処理に関する『佐賀』サマー・ワークショップ)
- ネットワークトポロジーを考慮した効率的なバンド幅推定手法(HPC-11:通信,2008年並列/分散/協調処理に関する『佐賀』サマー・ワークショップ(SWoPP佐賀2008))
- 自動取得したネットワーク構成情報に基づくMPI集合通信(HPC-1:MPI,2008年並列/分散/協調処理に関する『佐賀』サマー・ワークショップ(SWoPP佐賀2008))
- 6W-2 画像群中の物品発見における計算量削減手法の提案(画像データベース,学生セッション,人工知能と認知科学)
- 4U-5 Webフォーラムの構文情報を用いたトラブルシュート文書抽出(文書の分類と検索,学生セッション,人工知能と認知科学)
- 2U-3 UCTを用いた訓練初期局面の多様化によるTD学習法の改善(ゲーム・知識ベース,学生セッション,人工知能と認知科学)
- 研究の世界に飛び込んで(平成18年度論文賞の受賞論文紹介)
- 多拠点に渡る分散計算機環境を効率的にモニタリングするための情報収集と表示(管理機構)
- 論理式の充足可能性問題における変数の依存関係に基づく効率的な変数決定順序(HPC-5: 数値計算アルゴリズム(2))
- 耐故障並列計算を支援する自律的な故障検知機構(高信頼)
- 複数サブネット環境における自律的な故障検知機構(OS-4: 通信システム, 2005年並列/分散/協調処理に関する『武雄』サマー・ワークショップ(SWoPP武雄2005)-研究会・連続同時開催-)
- ハッシングに基づく大規模探索問題の耐故障分散処理手法
- 分散ハッシュ表に基づく大規模探索問題の耐故障並列化手法
- アクセス計算量 : 新しい並列計算量の枠組みの提案(プログラミングモデル・ツール)
- 1X-1 素性にモーラとシラブルを用いた略語の自動推定(意味・談話解析,学生セッション,人工知能と認知科学,情報処理学会創立50周年記念)
- 1T-1 機械学習を用いた楽曲の分類 : 音高に着目したテンポ変化に強い特徴抽出(音楽分析・生成,学生セッション,人工知能と認知科学,情報処理学会創立50周年記念)
- 3ZL-2 ネットワークトポロジを考慮したバンド幅推定の高速化手法(情報爆発時代における安全,安心ネットワーク技術,学生セッション,「情報爆発」時代に向けた新しいIT基盤技術)
- トポロジを考慮しソース選択を行うデータ転送スケジューラ
- マイグレーションを支援する分散集合オブジェクト
- 人為的に酸性化させた褐色森林土で育成したスギ苗の乾物生長
- 硫酸添加により酸性化させた褐色森林土で育成したスギ苗の光合成活性
- 酸性雨による土壌酸性化に伴うアルミニウムの溶出と,その樹木に対する影響 (特集 酸性環境の生態学(1))
- 溶融スラグ中塩素の溶解の物理化学
- CaO-Al_2O_3-SiO_2-MnO系スラグ中MnOの活量
- 「植物と環境ストレス」, 伊豆田猛編著, 株式会社コロナ社, 2006年7月10日, 本体3,200円+税
- D-5-4 ベイズ理論を用いた個人の興味・嗜好を反映するニュース・ウェブログ閲覧システム(D-5. 言語理解とコミュニケーション, 情報・システム1)
- 3ZL-1 自動取得したネットワーク構成情報に基づくMPI集合通信アルゴリズムの改良(情報爆発時代における安全,安心ネットワーク技術,学生セッション,「情報爆発」時代に向けた新しいIT基盤技術)
- 6ZJ-1 並列分散システムにおける異常動作の原因特定のためのログ解析(情報爆発時代における並列分散処理技術,学生セッション,「情報爆発」時代に向けた新しいIT基盤技術)
- 動的にチャネルが増減する環境下での分散スナップショットアルゴリズム
- A Low-stretch Object Migration Scheme for Wide-area Environments
- ウェブコミュニティ抽出アルゴリズムの改良
- 渕一博氏を悼む
- MPI/GXP : 広域環境用の適応的なメッセージパッシングシステム(HPC-2 : 通信方式)
- 適応スパニングツリーを用いた広域メッセージパッシングシステム用の集合通信(ネットワーク)
- 広域メッセージパッシングシステム用の遅延を考慮した接続管理(HPC-10: 通信ライブラリ)
- 属性記述に基づく計算機上の対象識別のための意味づけと構文化・形式変換
- 多様な視点に基づく属性を用いた計算機中の対象同定法
- 適応的並列計算を支援するプロトコルの設計と正当性の証明(HPC-10 : 適応環境での通信)
- 酸性土壌におけるバイオブリケット燃焼灰と豚糞堆肥の同時施用が植物成長へ及ぼす影響
- ゲーム構成要素を組み合わせた特徴の最適化
- 実行時依存解析に基づく半自動並列化の効率的実装
- シミュレーション・バランシングを用いたモンテカルロ将棋の方策学習
- GGPにおける強さとバランスを両立したモンテカルロ木探索の方策の学習
- TD(λ)学習を用いたMs. Pac-Man AIのモンテカルロ木探索の改善
- 表現,意味,言語に基づく処理モデルの提案
- 分散計算環境における並列パーセプトロンの将棋評価関数への適用
- イラストの作者同定アルゴリズムの提案
- 再帰的に生成したタスクに対するデータ局所性を考慮するスケジューラの実装と評価
- 大域アドレス空間におけるGCとリージョンによるメモリ管理