B.5 game モジュール

training +Q, +Num

Q を用いて、 Num 試合だけ紅白戦を行う。

game +Q

ユーザとの対戦を行う。この際に Q値の学習も行う。 プログラムはユーザに敗けると トレーニングさせてもらえるようユーザに要求し、 それがユーザに受け入れられれば training/2 を用いて 200 回の 紅白戦を自主的に行う。

endmsg +Reward

試合終了時に、報酬 Reward に応じたメッセージを表示する。

do_prog +Q, +Turn, +Board, -NewBoard, -RedQ, -ActVec, -Action, -Blank

プログラムが手番時に行う操作をまとめたもの。具体的には、

• 盤面情報 b/9 を d/10 に変換し、
• Q を用いて手 ActVec, Action を選択し、
• その手を実行する。
• 新たな盤面 d/10 を b/9 の形に戻し、 NewBoard に同一化する。

Turn は今、何手めであるかを表す整数。

do_user +Turn, +Board, -NewBoard

ユーザからの入力（手）を受け付け、その通りに盤面 Board に 変更を加えたものを NewBoard に同一化する。