Minimax Improvements

[adamgracikowski]

Zmieniłem element funkcji oceny pozycji dotyczący zaawansowania pionów - teraz liczone jest sumaryczne zaawansowanie, co powoduje, że teoretycznie minimax powinien stwierdzić, że bardziej opłacalne jest wyprowadzanie grup pionów do przodu a nie pojedynczego słabego piona.

Ta zmiana powoduje, że wyniki eksperymentu są bliższe spodziewanym:

Teraz MCTS dominuje Minimaxa z przeszukiwaniem 1 w 100% (bardzo dobrze), to się troszkę zmienia gdy głęokość wynosi 2 - to też ma sens i od głębokości 3 do 5 Minimax deklasuje MCTSa, bo jednak gra optymalnie z perspektywy funkcji oceny. Od głębokości 6 okazuje się, że Minimax znowu zaczyna przegrywać, ponieważ ta nasza funkcja po prostu może nie być idealna, a my w tym momencie bardzo usilnie mówimy agentowi, żeby grał zgodnie z nią, przez co przegrywa (taki trochę overfitting do funkcji oceny pozycji).

Potem w raporcie możemy albo przyciąć eksperyment na głębokość 5 albo właśnie opisać te nasze przemyślenia, bo imo całkiem ciekawe wnioski z tego są.

Dodałem jeszcze generowanie takiego wykresu, który pokazuje uśredniony czas namysłu z podziałem na głębokość przeszukiwania:

W tym przypadku wyniki są sensowne - im dłużej trwa gra, tym krótsze losowe playouty rozgrywa MCTS, więc czas namysłu stopniowo sobie opada (w przybliżeniu liniowo) - chociaż intuicyjnie na samym początku myślałem, że to będzie linia pozioma

[p10tr13]

PR mutant

[p10tr13]

Bardzo fajne wykresy i wnioski. Już wrzucam moje PR, w której trochę poprawiłem MCTS także może jakiś minimalnie inny wykres wyjdzie. Mam nadzieje, że wiele ci czasu nie zajęło ci liczenie tych wyników.