「C#大好きMVPによるドキドキ ライブ コーディング」小島の分 | BuriKaigi2018
•Als PPTX, PDF herunterladen•
0 gefällt mir•4,161 views
BuriKaigi2018 https://toyama-eng.connpass.com/event/72023/ 2018/02/03
Empfohlen
Weitere ähnliche Inhalte
Mehr von Fujio Kojima
Mehr von Fujio Kojima (20)
Kürzlich hochgeladen
Kürzlich hochgeladen (10)
「C#大好きMVPによるドキドキ ライブ コーディング」小島の分 | BuriKaigi2018
- 1. C# 大好き MVP による、 C# ドキドキ・ライブコーディング ～ 小島の分 ～ BuriKaigi2018 - 富山合同勉強会 2018/02/03 小島 富治雄 #burikaigi
- 2. 自己紹介 小島 富治雄 @Fujiwo 福井コンピュータアーキテクト株式会社 Microsoft MVP (2005-2018) C#関連
- 3. 今回のお題 オセロの CPU アルゴリズム 4人打ち (チーム戦)
- 5. 以前の4人打ちオセロでの「工夫」 最初に4人分戦わせて、一番強いひとが私の代わりに打てばよいのに。 自 AI のコンストラクターで、事前に5回対戦して強いひと (AI) を選んどく。 class PlayerTable : IEnumerable<KeyValuePair<Board.Piece, IPlayer>> { Dictionary<Board.Piece, IPlayer> playerDictionary = new Dictionary<Board.Piece, IPlayer>(); …… } class GameRunner { …… }
- 6. PlayerChecker: 一番強いひとをチェック class PlayerChecker { readonly Board.Piece theStrongestPiece; readonly PlayerTable playerTable = new PlayerTable( players: new IPlayer[] { new PlayerRyotaMurohoshi(), new PlayerAILight (), new PlayerXin9le (), new PlayerFujiwo () } ); public static Board.Piece TheStrongestPiece => theStrongestPiece; …… }
- 8. … …が、駄目…! 7 動作せず… 他の人の AI もこちらの判定ルーチンをコール 呼び出しが無限ループ 犯罪的だっ…! ざわ… ざわ…
- 10. さて今回は… 9
- 11. 不採用だったアルゴリズム 「ライフライン」 テレフォン 例えば、 twilio (電話API) でオセロ名人に電話をかけて正着を訊いてはどうか オーディエンス 会場アンケートAPI (謎) 50:50 ちょっとよくわからない
- 18. リフレクション対策は必須! public class AIOriginal : IPlayer { protected bool CallingByEnemy { private get; set; } = false; public AIOriginal() => CallingByEnemy = !Assembly.GetCallingAssembly().GetName().Name.Equals( Assembly.GetEntryAssembly().GetName().Name); public Task<Point> GetPointAsync(Board board) => Task<Point>.Run(() => CallingByEnemy ? GetRandomPoint(board) : GetAPoint(board)); } 17
- 19. リフレクション対策は必須! public class AI : AIOriginal { public AI() => CallingByEnemy = !Assembly.GetCallingAssembly().GetName().Name.Equals( Assembly.GetEntryAssembly().GetName().Name); protected overload Point GetAPoint(board) => … } 18
- 21. AI の ロジック 20
- 22. 1. そこに置くことで、 (味方の盤面の価値 – 敵の盤面の価値) が最大になる位置に置くっ!
- 23. 2. 置いて、次に他の3人の分も置いてみることで、 (味方の盤面の価値 – 敵の盤面の価値) が最大になる位置に置くっ!
- 24. 盤面の価値の評価 23 評価関数 得点 得点テーブル (各マスを得点化) 打てる数 石を打てる場所の数が多い 石の周囲 石の周りに空が少ない 確定石 返されることのない石が多い 辺 辺に連続しておくときのパターン
- 25. 局面での重みづけ 24 局面に応じた評価関数の重みづけをパラメーター化 10個のパラメーター public class AIParameter { double[] parameters = new[] { 0.71, 0.50, 0.04, 0.76, 0.50, 0.19, 0.52, 0.76, 0.97, 0.38 }; }
- 27. 前回は遺伝的アルゴリズム 26 パラメーターの異なる多くのAI (最初は乱数で生成) この時点でもっとも強いAI 3つと何回か対戦 よりチームを多く勝ちに導いた AI 2つ 交配 • クローン • 交叉 (組み換え) • 突然変異 (一部を乱数で変更) 何世代も繰り返し 優秀なパラメーター (遺伝子) をのこす
- 28. “ReversiGameRunner” を作成 27 コマンドライン ツール 一晩中でも、遺伝的アルゴリズムを続けられる 名付けて “Shallow Learning” 圧倒的、浅さっ …! ボロ… ボロ… ボロ…
- 29. 今回は機械学習 (Machine Learning)! 28 コマンドライン ツール “ReversiGameRunner” で 多くのデータを生成 それを機械学習で解析しよう ざわ… ざわ…
- 30. 今回は機械学習 (Machine Learning)! 29 ReversiGameRunner Azure SQL Database クラウドに保存 Azure Machine Learning Studio 機械学習で解析! 様々なパラメーターで 94,100回戦ったデータ のべの計算時間 3.9日間
- 32. Azure Machine Learning Studio 31
- 33. Azure Machine Learning Studio 32 Linear Regression (線形回帰) Feature Weight Bias 13.1048 p1 -6.54858 p2 -9.05739 p3 2.84534 p4 -0.0479862 p5 -1.16172 p6 -2.53962 p7 3.47528 p8 5.29898 p9 3.16031 p10 -2.9782
- 34. 今回のパラメーター 33 0.10, 0.00, 0.75, 0.40, 0.65, 0.55, 0.70, 0.85, 0.95, 0.25 0.36, 0.30, 0.06, 0.63, 0.46, 0.07, 0.85, 0.26, 0.09, 0.93 前回のパラメーター