| Item type |
Symposium(1) |
| 公開日 |
2015-10-30 |
| タイトル |
|
|
タイトル |
将棋における棋風を学習するための棋譜分析の取り組み |
| タイトル |
|
|
言語 |
en |
|
タイトル |
Analysis of Game Records to Learn Playing Style in Shogi |
| 言語 |
|
|
言語 |
jpn |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_5794 |
|
資源タイプ |
conference paper |
| 著者所属 |
|
|
|
東京大学大学院総合文化研究科 |
| 著者所属 |
|
|
|
東京大学大学院総合文化研究科 |
| 著者所属(英) |
|
|
|
en |
|
|
Department of General Systems Studies, Graduate School of Arts and Sciences, The University of Tokyo |
| 著者所属(英) |
|
|
|
en |
|
|
Department of General Systems Studies, Graduate School of Arts and Sciences, The University of Tokyo |
| 著者名 |
大森, 翔太朗
金子, 知適
|
| 著者名(英) |
Shotaro, Omori
Tomoyuki, Kaneko
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
近年プレイヤの個性に関する研究が人工知能の分野で取り組まれ始めている. 本研究では, 将棋の指し手の選択に注目し, コンピュータプログラムで棋風を実現する方法について提案する. 棋風としては, プレイヤが攻めや受けなど特徴を持つ指し手を選ぶ傾向についてに着目する. 棋風を統計的に分析した過去の研究を参考に攻めの特徴と受けの特徴を決め, 攻めと受けの棋風について, それぞれの特徴の現れているプレイヤの棋譜を選別する. そしてそれらの棋譜を教師に評価関数の機械学習を行う. 攻めの棋譜と受けの棋譜と分類して, 今回学習に使用する棋譜のパラメータへの影響を盤面図に色の濃度で表し, 攻めの棋譜と受けの棋譜で学習の際に影響が大きそうなところを確認した. また提案手法で学習したプログラムと学習前のプログラムで対戦実験を行い, 学習がうまくできているかどうかを確認した. さらに学習に使用した攻めの棋譜と受けの棋譜の一致率を攻めの棋譜を学習させたプログラムと受けの棋譜を学習させたプログラムで測り, それぞれのプログラムに違いを確かめた. 棋風の検証では, 受けに関する次の一手問題を題材に学習前のプログラムと比べてどういった違いがあったのかを確認した. |
| 論文抄録(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
There are several work on playing styles of computer players in Artificial Intelligence research in recent years. This study proposes a method to make a computer player have an intended playing style in shogi. We focus on the preferences of attack or defense moves as an example of a playing style, because many moves in shogi are categorized in attack or defense. We select a set of game records played by players having the intended playing style, based on statistical analysis proposed in existing researches. Then, we conduct a supervised learning of an evaluation function by using the records. To see how accurately game records are categorized into attack and defense playing styles, we compared their impacts on the evaluation function learning by the frequency of each piece in each square. And we test how well programs with or without the tuning of evaluation functions. Then, we show how different moves are chosen by the evaluation functions tuned for different playing styles, with respect to the prediction rates and the responses to tactical problems focusing on defensive moves. For prediction rates, two sets of game records were used; attack playing style and defense playing style. |
| 書誌情報 |
ゲームプログラミングワークショップ2015論文集
巻 2015,
p. 32-39,
発行日 2015-10-30
|
| 出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJ-GPWS2015006.pdf (731.4 kB)
