kate/BadFish
1
0
Fork 0
mirror of https://github.com/sockspls/badfish synced 2025-04-30 08:43:09 +00:00
Code Issues Releases Wiki Activity

Changed the formula to calculate winning ratio to 1/(1+10^(-Eval/4)).

Browse source
This commit is contained in:
nodchip 2020-06-27 22:19:22 +09:00
parent aa2dc962f5
commit 13eb540020
1 changed files with 24 additions and 6 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

30
src/learn/learner.cpp
View file

@ -1027,9 +1027,24 @@ double sigmoid(double x)
// 評価値を勝率[0,1]に変換する関数
double winning_percentage(double value)
{
// この600.0という定数は、ponanza定数。(ponanzaがそうしているらしいという意味で)
// ゲームの進行度に合わせたものにしたほうがいいかも知れないけども、その効果のほどは不明。
return sigmoid(value / 600.0);
// In Maxima,
// load("C:/maxima-5.44.0/cform.lisp");
// PawnValueEg = 206;
// cform(1.0 / (1.0 + 10.0 ^ (-value / PawnValueEg / 4.0)));
constexpr double PawnValue = PawnValueEg;
return 1.0 * pow(pow(10.0, -0.25 * pow(PawnValue, -1) * value) + 1.0, -1);
}
double delta_winning_percentage(double value)
{
// In Maxima,
// load("C:/maxima-5.44.0/cform.lisp");
// PawnValueEg = 206;
// cform(diff(1.0/(1.0+10.0^(-value/PawnValue/4.0)),value));
constexpr double PawnValue = PawnValueEg;
return
0.5756462732485115 * pow(PawnValue, -1) * pow(10.0, -0.25 * pow(PawnValue, -1) * value) *
pow(pow(10.0, -0.25 * pow(PawnValue, -1) * value) + 1.0, -2);
}
// 普通のシグモイド関数の導関数。
@ -1127,8 +1142,9 @@ double calc_grad(Value deep, Value shallow , const PackedSfenValue& psv)
// elmo(WCSC27)方式
// 実際のゲームの勝敗で補正する。
const double eval_winrate = winning_percentage(shallow);
const double teacher_winrate = winning_percentage(deep);
const double q = winning_percentage(shallow);
const double p = winning_percentage(deep);
const double dq = delta_winning_percentage(shallow);
// 期待勝率を勝っていれば1、負けていれば 0、引き分けなら0.5として補正項として用いる。
// game_result = 1,0,-1なので1足して2で割る。
@ -1139,7 +1155,9 @@ double calc_grad(Value deep, Value shallow , const PackedSfenValue& psv)
// 実際の勝率を補正項として使っている。
// これがelmo(WCSC27)のアイデアで、現代のオーパーツ。
const double grad = (1 - lambda) * (eval_winrate - t) + lambda * (eval_winrate - teacher_winrate);
const double pp = (q - p) * dq / q / (1.0 - q);
const double tt = (q - t) * dq / q / (1.0 - q);
const double grad = lambda * pp + (1.0 - lambda) * tt;
return grad;
}