強化学習 本番での計算量

Question

強化学習の初心者です。

あるオリジナルボードゲーム（囲碁みたいに探索空間が非常に広い）で、盤面ごとの評価値を使ったminimax法を用いようと考えています。
強化学習ならば人間だけではできない最適な評価値を返せるようになると考え、評価関数にQ学習を用いようと考えています。
評価関数は、評価値を数秒で返せるようにしたいです。

強化学習は、学習時には非常に長い時間と大量のリソースを必要とするというように理解しています。
しかし学習後にある盤面を与えたときに、時間は必要とするのでしょうか。

初歩的な質問だとは思いますが、宜しくお願い致します。

Answer 1

一般に、学習に時間を要する場合であっても、学習後の判定には時間を要さないことが普通です。もちろん、コンピュータの性能にもよりますので、学習だけスパコン使って判定には組み込み系使うとか極端な場合は例外です。ついでにいうと、メモリ容量も関係しますけれど、学習と判定を同一コンピュータ使う限りならば問題はないはずです。

Comments

[programming]

回答ありがとうございます。
まだ強化学習についての知識が十分でない状態で設計を考えなければならなかったので、基本的なことでも知ることができ、よかったです。