●NineDayFever 局面評価の極北を目指しています(が、ディープラーニングに走るのも癪なので探索手法の改良に走っています)。 ・「movecount pruning と lazy SMP が相性がいいのはモンテカルロ指向αβ探索になっているから仮説」に基づいて、PVを共有して楽観合議する予定です。 以下は2019年の内容です。 ・雑巾絞りで使用する対局結果の初期局面を生成する手法を実験中です。王以外の駒でも、違う場所に動かした局面を作ってそこから始めたいのですが、それだと候補が多すぎて破綻するので、どうやって動かす駒を選ぶかというのを実験中です。 ・movecount pruning と lazy SMP がどうも相性が良いらしいのですが、この原因は、PVはtransposition table経由で全スレッドで共有しつつ、2番目以降に評価する枝は確率的に選択するという、一種のモンテカルロ指向αβ探索になっているのではないかという仮説を立ててみました。2番目以降に探索する手を適当にばらけさせるため、ヒストリをスレッド別に持つのがよく行われているようですが、ばらけさせるのであれば、ヘルパースレッドのヒストリにノイズを入れてやることで同じ効果が得られそうだといことで、そういう実装を実験してます。 ・ライブラリ選択理由  2012年ごろにKPP/KKP テーブルで機械学習手法を試そうとした時点では bonanza 以外に選択肢がなかったので、そのまま使い続けています。惰性です。 以下は2018年の内容です。 ・雑巾絞りやってます。 ・三駒関係の各変数を分解して共通する要素を抽出したうえで機械学習することで未知の局面への対応能力を高めています(世間では次元落としとか呼ばれているらしい)。 ・手番を考慮した評価値を使用しています(世間ではKPPTという名前がつけられているらしい)。 ・定跡では自己対戦結果から各局面の勝率の分布を推定して各手の採用確率を決めています。生成した局面からの対戦結果は雑巾絞りに使います。 ・定跡では2017年にえらい目にあったので、Qhapacさんが公開していた定跡を取り込んでます。定跡の末端での勝率ベースで更新していく手法なので、他の定跡でもその末端の勝率を求めることで取り込むことができるようになってます。 ・プログラムはbonanza 6.0にstockfish の手法を取り入れています。