Gasyou https://blog.hatena.ne.jp/Gasyou/ GA将？開発日記～王理のその先へ～ https://gasyou.hatenablog.jp/ 学習方策と挙動方策を分けて学習するのは失敗しましたが、REINFORCEベースのPGLeafにエントロピー正則化をかけると割と良い感じでした。 んで、単一エージェントだと一旦大きなマイナスが付いちゃったパラメータは、その後挽回する機会がなかなか無く、ズルズルと低下していく現象が発生。 という訳で、前に実装した並列8連ガチャ*1をも一度実装。 一晩回した感じだと、目標探査率（最善手以外の手を指す確率の目標値）を単一エージェントの場合の半分位にすると良さげなので、その設定で学習用マシンに投入しました。 ちなみに、開発用マシンで目標探査率0.1の場合のグラフはこんな感じ。（縦軸のスケールはグラフごと… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fgasyou.hatenablog.jp%2Fentry%2F2020%2F02%2F07%2F143611" title="ちょっとだけ進展有った - GA将？開発日記～王理のその先へ～" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/G/Gasyou/20200207/20200207142610.png Hatena Blog https://hatena.blog 2020-02-07 14:36:11 rich https://gasyou.hatenablog.jp/entry/2020/02/07/143611 1.0 100%