質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.86%

  • Python

    6296questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • アルゴリズム

    369questions

    アルゴリズムとは、定められた目的を達成するために、プログラムの理論的な動作を定義するものです。

モンテカルロ木探索のアルゴリズムの書き方

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 635

Righty_Kitten

score 18

pythonを使用してモンテカルロ木探索のアルゴリズムを作ろうと試みたのですが、どの様に書けばすっきりとなるのか分かりません。
具体的には、展開された子ノードに対する巡回数や勝率の変数を、どう保持してどう参照するべきなのか悩んでいます。

○実装するアルゴリズム概要を書きます。
まずノードがn個あり、それぞれがucb値、成功数、巡回数を持っています。
ucb値は成功数と巡回数と全巡回数によって決まります。
探索はucb値の高いノードに対して行われます(同じ値があった場合はランダム)。
探索に選ばれたノードは巡回数が+1され、別の処理により成功か失敗の値を返し、成功ならばそのノードの成功数を+1します。
一回の探索が終わるごとに全てのノードのucb値は更新されます。
この探索を繰り返すのですが、一つのノードに対する巡回数が一定を超えるとそのノードは展開され、新たに子ノードをm個作ります。この子ノードの数は各親ノードによってばらばらであり、展開する際に別の処理により計算されます。
展開された子ノードそれぞれもucb値、成功数、巡回数を持っており、親ノードが選ばれた際に探索の対象となります。この時、親ノードでは成功失敗の処理は行いません。子ノードのいずれかが選ばれた時、成功の結果は子ノードだけでなく、親ノードにも影響を与えます。
また、子ノードも巡回数が一定を超えるとさらに展開されます。
この探索を一定数行うアルゴリズムとなっています。

以上のアルゴリズムとなるのですが、子ノードが展開された後の挙動をどうやって書けばいいのかさっぱり思いつきません。ごり押しでforとifをいくつも束ねたら作れるのかもという気はするのですが、それでは身にならないので、こちらでアイデアとアドバイスをもらいたく質問しました。

以下は子ノードが展開する前まで書いたコードです。
(勝敗やUCB値を計算する関数は説明のみ書いています)

#探索回数
MONTECARLO_COUNT = 50
#リーフ展開の訪問回数
MONTECARLO_VISIT = 5

#最初のノードの数
n = 5
#ucb値
arr_ucb_value = np.zeros([n], dtype="float")
#成功数
arr_ucb_success = np.zeros([n], dtype="int")
#巡回数
arr_ucb_try = np.zeros([n], dtype="int")

#探索
for search_count in range(MONTECARLO_COUNT):
    # max_UCB_random(ノード層でのUCB値配列) : 一番大きなUCB値のノードのindexを返す関数
    # play_out() : 勝敗を返す関数 勝ちの場合1 それ以外は0
    # update_UCB(ucb_success, ucb_try, ノード層での全探索数) : UCB値を返す関数

    #探索の結果
    index = max_UCB_random(arr_ucb_value)
    arr_ucb_try[index] += 1
    arr_ucb_success[index] += play_out()

    #UCB値を更新
    for i in range(5):
        arr_ucb_value[i] = update_UCB(arr_ucb_success[i], arr_ucb_try[i], np.sum(arr_ucb_try))
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+1

既存のライブラリはもう参考にしましたか?
クラスを使って書かれています。
https://github.com/haroldsultan/MCTS/blob/master/mcts.py

pythonでは辞書を使って木構造を作ることも可能です。
https://gist.github.com/hrldcpr/2012250

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/12/16 11:12

    リストにクラスインスタンスを入れる事ができると気付いたので諸々解決いたしました。
    回答を参考にさせていただきました。ありがとうございます。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.86%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • Python

    6296questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • アルゴリズム

    369questions

    アルゴリズムとは、定められた目的を達成するために、プログラムの理論的な動作を定義するものです。