KLICプログラミングコンテスト自由課題
Q-learning により学習を行う Tic-Tac-Toe プログラム

a. プログラム名

qtickl （Q-learning により学習を行う Tic-Tac-Toe プログラム）

b. 処理の概要

Tic-Tac-Toe （3目並べ）を行うプログラム。ユーザとの対戦や 紅白戦を重ねることで Q-learning アルゴリズムに基づく学習を行い、 Tic-Tac-Toe のルールや勝ち方を学習してゆく。

c. 処理に要する時間

紅白戦 1000 回で、約 15 秒。(計測環境：SS/20, Solaris2.5)
約 2000 回も紅白戦を行わせれば、ほぼ学習は収束する。