Автоматический подбор параметров движка

У меня стоит NOD32 с ежедневным обновлением, с первого декабря ни одного вируса не было. До этого стоял Нортон, в итоге словил по полной программе.

У меня недавно стоял Касперский. Пару дней назад заменил на Avast. Изредка вирусы находятся, но, кажется, не такие опасные.

А ты какими алгоритмами порождаешь новые?
Чтоб настроить шкалу из 5 параметров (материал) абсолютно достаточно сканирования пространства (один алгоритм генерации новых - Случайная точка на сфере)...

Может партий мало?.... PieceValue 400 400 600 1200 по default, PieceValue 373 412 545 1204 по моей лучшей версии, а результат: нет особого усиления. Зачем платить больше?

Скорей всего не партий мало, а сходимость плохая.
При плохой сходимости - может пойти не к экстремуму, а в "случайном" направлении.

Именно по этой причине.
Это не оптимальные значения, а просто некоторые случайные значения недалеко от Дефолтных.

Как я понимаю, чтобы увеличить сходимость, нужно больше матчей играть. По времени, выходит, больше недели. То ли будет, когда дело дойдёт до настройки реальной программы+ с разбиением для разных типов центра ?!......

Если алгоритмы плохие - то большое число партий не спасет.
А если алгоритмы хорошие - то и сотню, и больше параметров можно настроить.

Да, 10 итераций это очень мало.

Я сейчас отлаживаю алгоритмы на 100 итерациях -
Это около полутора месяцев счета на одном компе (100 особей в один круг) Но все тесты показывают - случайный поиск сходится очень хорошо, даже на огромном числе параметров, но от алгоримов генерации новых особей зависит очень много - разница в скорости сходимости при разных алгоритмах генерации может быть в сотни раз.

Запускать сегодня тестирование?

Текущая таблица оценки простой после 250 часов счета на очень плохих алгоритмах:
a1 - Левый нижний угол.

Код:

7 162 123 124 184
6   173 165 174 143
5 170 190 124 145
4   154 132 162 166
3 145 163 165 141
2   125 172 182 129
1 147 200 169 204
   a b c d e f g h

Оценка по полям:

Код:

g1(204) c1(200) c5(190) g7(184) f2(182) f6(174) b6(173)
d2(172) a5(170) e1(169) h4(166) d6(165) e3(165) c3(163)
f4(162) a7(162) b4(154) a1(147) a3(145) g5(145) h6(143)
g3(141) d4(132) h2(129) b2(125) e7(124) e5(124) c7(123)

Некоторые движки используют статические таблицы для начала, середены и конца партии. На первый взгляд выглядит очень логичным. Не пробовал применить?
Например в smash это выглядит так:

// pawn
{
{
0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1,-30,-30, 1, 1, 1,
0, 0, 0, 4, 4, 0, 0, 0,
0, 0, 0, 10, 10, 0, 0, 0,
1, 1, 2, 7, 7, 2, 1, 1,
4, 4, 4, 8, 8, 4, 4, 4,
10, 10, 10, 10, 10, 10, 10, 10,
0, 0, 0, 0, 0, 0, 0, 0
},
{
0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, -4, -4, 1, 1, 1,
3, 3, 3, 6, 6, 3, 3, 3,
6, 6, 6, 8, 8, 6, 6, 6,
12, 12, 12, 12, 12, 12, 12, 12,
20, 20, 20, 20, 20, 20, 20, 20,
30, 30, 30, 30, 30, 30, 30, 30,
0, 0, 0, 0, 0, 0, 0, 0
}
},


// knight
{
{
-10,-20, -6, -6, -6, -6, -20, -10,
-8, 0, 0, 6, 6, 0, 0, -8,
-8, 1, 8, 6, 6, 8, 1, -8,
-6, 1, 8, 12, 12, 8, 1, -6,
-6, 2, 11, 14, 14, 11, 2, -6,
-6, 2, 7, 10, 10, 7, 2, -6,
-8, -3, 0, 0, 0, 0, -3, -8,
-100,-8, -6, -6, -6, -6, -8, -100
},
{
-10, -8, -6, -6, -6, -6, -8, -10,
-8, 0, 0, 6, 6, 0, 0, -8,
-6, 2, 7, 10, 10, 7, 2, -6,
-6, 2, 10, 14, 14, 10, 2, -6,
-6, 2, 10, 14, 14, 10, 2, -6,
-6, 2, 7, 10, 10, 7, 2, -6,
-8, -3, 0, 0, 0, 0, -3, -8,
-10, -8, -6, -6, -6, -6, -8, -10
}
},

// bishop
{
{
1, 0,-20, 0, 0,-20, 0, 1,
1, 6, 3, 1, 1, 3, 6, 1,
2, 5, 6, 8, 8, 6, 5, 2,
6, 6, 12, 14, 14, 12, 6, 6,
6, 6, 12, 14, 14, 12, 6, 6,
2, 5, 4, 6, 6, 4, 5, 2,
1, 2, 2, 2, 2, 2, 2, 1,
-1,-2, 0, 0, 0, 0, -2, -1
},
{
1, 1, 0, 0, 0, 0, 0, 1,
1, 6, 2, 2, 2, 2, 6, 1,
2, 5, 12, 8, 8, 12, 5, 2,
3, 8, 10, 15, 15, 10, 8, 3,
3, 8, 10, 15, 15, 10, 8, 3,
2, 5, 12, 8, 8, 12, 5, 2,
1, 6, 2, 2, 2, 2, 6, 1,
1 , 1, 0, 0, 0, 0, 1, 1
}
},

// rooks
{
{
0, 1, 2, 4, 4, 2, 1, 0,
0, 1, 2, 4, 4, 2, 1, 0,
0, 1, 2, 4, 4, 2, 1, 0,
0, 1, 2, 4, 4, 2, 1, 0,
0, 1, 2, 4, 4, 2, 1, 0,
0, 1, 2, 4, 4, 2, 1, 0,
0, 1, 2, 4, 4, 2, 1, 0,
0, 1, 2, 4, 4, 2, 1, 0
},
{
0, 1, 4, 6, 6, 4, 1, 0,
0, 1, 4, 6, 6, 4, 1, 0,
0, 1, 4, 6, 6, 4, 1, 0,
0, 1, 4, 6, 6, 4, 1, 0,
0, 1, 4, 6, 6, 4, 1, 0,
0, 1, 4, 6, 6, 4, 1, 0,
0, 1, 4, 6, 6, 4, 1, 0,
0, 1, 4, 6, 6, 4, 1, 0
}
},

// queen
{
{
0, 0, 5, 5, 5, 5, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0
},
{
-2, 0, 1, 3, 3, 1, 0, -2,
0, 4, 5, 6, 6, 5, 4, 0,
1, 5, 7, 8, 8, 7, 5, 1,
3, 6, 8, 10, 10, 8, 6, 3,
3, 6, 8, 10, 10, 8, 6, 3,
1, 5, 7, 8, 8, 7, 5, 1,
0, 4, 5, 6, 6, 5, 4, 0,
-2, 0, 1, 3, 3, 1, 0, -2
}
}, ...
}

Генетические алгоритмы в игровой программе!!!
А тут идет речь о настройке ОФ. Это разные вещи.

Давно доказано... Марковым? Который настраивал ОФ спусками и достиг при этом хороших результатов. Доказано мной? Я сумел настроить спусками таблицу из 28 параметров в шашках. Васиком? Который судя по всему использует те-же методы настройки ОФ.

Могу продолжить перечислять. Отлично настраивается ОФ генетикой/спусками в уголках, Калахе. Любой набор тестов с ручным изменением параметров ОФ - это те-же спуски/генетические алгоритмы. Так что все занимаются такой настройкой. Только есть два варианта - ручная настройка и полностью автоматическая. Я уже не в первый раз убедился что Автоматический поиск экстремумов функций многих переменных намного лучше ручного

Объясни почему если сам будешь руками настраивать то получатся одинаковые таблицы?

Это известно из постов Васика. Я подборку не сохранял, но суть такова - некими мат. методами Васик получил веса всех малофигурных сочетаний, и возможно исключил малозначимые.
Посты Васика сохранял Марков - точнее может сказать он. Пост Васика о том что он посчитал веса малофигурных сочетаний - я видел совсем недавно.

И еще раз - не доказано, а просто не умеет играть ни одна шахматная программа с генетикой в самой программе. Не работают генетические алгоритмы есно при выборе хода, а не при поиске экстремумов фунции. Весь мир ищет экстремумы именно автоматически. Выч. методами.

Так нужна статистика по сходимости в зависимости от методов?
Он очень интересна! Добавление при генереции несколько процентов собей полученных усреднением всех параметров двух или трех особей улучшает сходимость почти в десять раз. Полное отсутствие такого метода очень плохо сказывается на сходимости, но и если таким методам получать слишком много особей - это тоже очень плохо, процесс вырождается через несклько итераций.

На 100 особях хорошо показывает себя метод когда 90% особей порождается почкованием (случайное изменение всех параметров), и 10% особей - среднее значение между двумя случайными из "хороших"

Kнов=(K1+K2)/2, потом есно приводим к точке на сфере.

Почкование - обязательно должно вызывать большое изменение ОФ.
На моем тесте почкование это - берем случайную особь из "хороших",
Путь вектор его параметров Kh. Берем случайный вектор на Сфере Ksf.
И параметры новой оcоби это нормализованный вектор (Kh*5+Ksf)/6

Но такой метод будет работать только на Сфере. В пространстве можно попробовать прибавку случайного вектора длиной 1/10 от размера пространства.

Если параметры разделены на несколько генов, то во втором случае меняется только один случайных ген. Для первого метода - Ситуцию с несколькими генами я только начал настраивать.

В том то и дело, что это выводы более чем десятилетней давности, на слабой технике, скорей всего еще было потрачены сутки на настройку (а у меня потрачено в десятки раз больше компьютерного времени), и алгоритмы - полный бред. Просто взяты "от балды".

Полнейшая ерунда. У меня ситуация после почти миллиона игр!
Чуствуешь разницу?

2000 партий на бредовых алгоритмах взятых от балды, и 1000000 партий на алгоритмах, на нстройку которых на мат. модели потрачены недели...

Есть мнение зубров шахматного программирования о том, что как таковая подстройка ОФ не важна, главное что бы основные признаки были учтены. И к тому же не известно сколько пунктов ЭЛО получил
Васик "идеально" настроив ОФ. Если это 15-20, то смысла заниматься этим нет. Возможно в скором времени мы и получим ответ на этот вопрос с Вашей помошью

Ни одного такого мнения я не видел. Можно ссылку на современное мнение именно ЗУБРА о том что автоматическая подстройка ОФ не дает ничего?
А вот мнение Васика и Маркова я видел. А они всяко могут считаться именно Зубрами. Посты Маркова есть в ветке посвященной его программе на этом форуме.

Я могу дать цифры в шашках - с нормальными контролями я получил больше 100 пунктов Эло прибавки. Пока 100 пунктов...

На суперкоротких контролх, на которых производилась настройка - это больше 200 пунктов Эло прибавки.

В шашки таким способом настраиваю ОФ не только я, но и например автор второй по силе программы по результатам последнего чемпионата...

Не у WildCat-а 1000000 партий, и точный тюнинг алгоритмов, а у меня

WildCat:Но это версии, которые спаривались.

Результаты в записи #366, скорее, доказывают, что люди не тем способом размножаются. Ничего хорошего он (способ) не даёт.

А чтоб узнать какое мнение действительно имеют Зубры - проще послушать что они говорят в чате.
http://home.pacific.net.au/~tommyinoz/tlcv.html

Я например там пол-года назад слышал мнение именно Зубров, что всю свою Силу Рыбка получила именно от расчета ОФ выч. методами (и возможно тюнинга таким-же образом переборных алгоритмов). И больше ничего нового типа в Рыбке нет! (не считая того что для расчта был сильно изменен вид ОФ)
И что автомаическая настрока ОФ дает очень много. И об этом Говорит не только Васик, Марков, но и например Тод Рамшдадт (Главрук).
Еще авторы Дип Блю настраивали ОФ выч. методами.

Авторы книги "Машина играет в шахматы".
Такими темпами Вы можете получить в шашках идеальную ОФ, но тогда и перебор будет ненужен. ???
Так?

Я писал об этом - суть размножения это когда объединяются признаки в гены, так что гены между собой по возможности не связаны. И размножение - это в новой особи каждый ген берется без изменений от одного из родителей.

Примеры объединения в ген - Все признаки коня, все признаки слона и т.д. Отдельный ген должен описывать взяимосвязь всех признаков (масштабировать фигуры и вес позиционных признаков/метериала между собой) Спаривание хорошо работает только при очень большом количестве особей (при большой популяции)
Иначе (при малом размере популяции) даже в природе начинается вырождение вида.