Какой эмпирический тест более правильный для оценки силы бота в игру реверси?

Question

[ffff567]

Написал программу реверси на питон и потихоньку увелиичваю силу игры не увеличивая глубину поиска
2 бота между собой играют в игру

результаты записываются так
1. просто считается общее количетсво выигрышей и проигршей результат 2243 выигрышей 826 проигрышей
2. выигрыши и проигрыши считаются по уникальным партиям которых еще не было
тоесть если партия сыграна ходами которые уже были то результат не засчитывается
рузультат 786 на 284. То есть количесство намного меньше получается чем в 1 случае

Comments

[rPman]

Проверять надо бота на игре с человеком, или эталонным ИИ.

Потому что играя одинаковым алгоритмом с обоих сторон, будет точно неверное суждение.. условный пример алгоритм старается ставить с краю,.. и у такого алгоритма выигрывают часто... но как только попадется другой соперник, ИИ уже не сможет пользоваться 'несовершенством противника' и все его оценки станут неправильными и он будет проигрывать.

p.s. с детерминированными алгоритмами грустно... попробуй добавить случайно не очень хороший ход

[ffff567]

rPman, считается ли это улучшение алгоритма хорошим?

по первому тесту счет 204-251 проигрывает
по второму тесту 115 - 78 больше выигрывает. уникальных выигрышных партий больше но по первому тесту проигрывает

Людей нормально обычгрывает сила бота сильнее любой онлайн программы в интернете

[ffff567]

rPman, нет высянил это улучшение плохое так как второй алгоритм проигрывет с большим разрывом

[hint000]

если партия сыграна ходами которые уже были

...то проигравший - не очень умный бот. Добавьте простенькое самообучение, чтобы избавиться от одинаковых партий.

[ffff567]

hint000, с чего ты взял что програвший не очень умный бот?
Процграмма оценивает позицию по своим алгоритмам
если на текущей позиции есть ход который уже играл и мы на нем проиграли значит что его нужно удалить?

[hint000]

ffff567, шикарная логика, прямо по классике:

Два "братка" смотрят телевизор. Идет фильм про альпинистов. Один:
- Спорим на косаря зеленых, что не залезет!
- Спорим!
Альпинист по ходу фильма разбивается. Выигравший "браток":
- Ладно. Не надо денег. Я этот фильм смотрел.
- Нет, возьми. Я этот фильм тоже смотрел.
- Зачем тогда спорил?
- Думал, что во второй раз залезет.

Т.е. ты какую-то партию проиграл, а потом играешь в точности такую партию, повторяя каждый ход, но думаешь, что уж в этот раз выиграешь.

если на текущей позиции есть ход который уже играл и мы на нем проиграли значит что его нужно удалить?

Его нужно удалить, если все варианты ходов после него ведут к проигрышу. В вопросе ты упомянул глубину поиска.

[hint000]

На самом деле нужно не "удалять ход" а заносить позицию в чёрный список, если при заданной глубине поиска обнаружено, что эта позиция заведомо проигрышная. Таким образом можно будет не наступать повторно на одни грабли, просматривая по чёрному списку, на какие грабли уже однажды наступили. Если все ходы ведут к позициям из черного списка, то добавить текущую позицию в чёрный список, а все следующие из чёрного списка удалить, чтобы он (список) не распухал без необходимости.

[ffff567]

hint000,

Два "братка" смотрят телевизор. Идет фильм про альпинистов. Один:
- Спорим на косаря зеленых, что не залезет!
- Спорим!
Альпинист по ходу фильма разбивается. Выигравший "браток":
- Ладно. Не надо денег. Я этот фильм смотрел.
- Нет, возьми. Я этот фильм тоже смотрел.
- Зачем тогда спорил?
- Думал, что во второй раз залезет.

Дерево игры состоит не из прямой линии на следующем ходе компьютер анализирует и может быть 2 продолжения еще гулбже еще несколько продолжений и так далее. Создавать два минимакса это какой то слишком запутанный код.

[hint000]

ffff567,

какой то слишком запутанный код

Если заглянуть в книгу 1969/1971 г (орингинал/перевод) американского математика Мартина Гарднера, там в одной главе описано создание обучающейся "машины" из спичечных коробков и разноцветных бусин. Правда там игра выбрана попроще и на доске 3*3 (для вашего случая потребовалось бы дико огромное количество коробков), но общий принцип обучения элементарнейший и применим для разных пошаговых игр. Обучение происходит путём добавления и удаления бусин в коробки. А случайный (с закрытыми глазами) выбор из коробка бусины определяет по её цвету ход "машины". На коробках нарисованы позиции в игре. Первоначально все ходы в любой позиции равновероятны и "машина" часто проигрывает. По мере обучения она перестаёт делать плохие ходы. Потому что бусин проигршных ходов становится меньше, а бусин выигрышных ходов больше.
Ближе к нынешнему времени очень похожие методы обучения применялись в теоретических работах на тему нейросетей.

Я не предлагаю покрыть этим методом всё дерево игры, только часть дерева за несколько ходов до окончания каждой партии (несколько = чуть больше глубины поиска).

Answer 1

[Руслан .]

Может оценивать не только победу/поражение, но и оценку последей позиции?
Условно бот победил с перевесом в n фишек и этот n учитывать в оценке.

Comments

[ffff567]

это то же есть но пока что только просто как счетчик висит пока не учитываю его