redhornet96 https://blog.hatena.ne.jp/redhornet96/ もふもふ技術部 https://www.mof-mof.co.jp/tech-blog/ machine learning python reinforcement learning reversi othello 前回4x4のオセロで最強のAIを作ろうとしたらランダムさんごときにボッコボコされたところからの続きです。 強化学習(Q-Learning)でオセロAIを学習させてみた Q学習 vs ナイーブ Q学習 vs ランダム Q学習(バトルモード) vs 竜王ミニマックス おまけ: Q学習(バトルモード) vs ランダム まとめ ロジックの大枠は出来ていたのですが、強くなってくれないという問題がありまして、デバッグしていた感じだと、相手のターンを考慮してQ値の更新をしないと、勝敗の報酬が伝播されないのではないかと仮説立ててやってみました。 全ソースコードのリポジトリはこちら https://github… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fwww.mof-mof.co.jp%2Ftech-blog%2Freversi-ai-2" title="強化学習(Q-Learning)で学習させたオセロAIで、MinMaxアルゴリズムと戦わせる - もふもふ技術部" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://images.ctfassets.net/683ogktz4b18/wPS7HUwtM4iDbQ6zP3Pg5/3a3862d924a66288de6b8ec77f541d7f/osero.jpg Hatena Blog https://hatena.blog 2017-06-03 00:00:00 rich https://www.mof-mof.co.jp/tech-blog/reversi-ai-2 1.0 100%