常連

拍手喝采

### 前提・実現したいこと

ミラーラビンの素数判定法を用いて、素数判定のプログラムを実装しています。
ウィキペディアで調べたアルゴリズムを実装しようとしていますが、なかなかうまくいきません。

### ミラーラビンの素数判定法（Wikipediaより）

```
入力： n > 1 → 素数判定対象の奇数の整数,  k → 判定の正確度を指定するパラメータ
出力： n が合成数なら composite、さもなくば probably prime

n - 1 を 2 のべき乗で割って、 2^s * d の形式にする。
以下を k 回繰り返す:
　　[ 1, n - 1 ] の範囲から a をランダムに選ぶ。
　　a^d != 1 mod n  で、かつ  [0,s-1] の範囲の全ての r について  a^{(2^r)*d} mod != -1 なら、composite を返す。
probably primeを返す。
```

### 該当のソースコード

```php
function assert_iterate($n, $s, $d) {
  $a = mt_rand(1, $n - 1);
  if((pow($a, $d) - 1) % $n !== 0) {
    for($r = 0; $r <= $s-1; $r++) {
      echo $x = pow(2, $r) * $d;
      if($x % $n !== -1) {
        return false;
      }
    }
  }
}

function is_prime(int $n){
  if($n < 2){
    return false;
  }
  if($n >= 4 && $n % 2 === 0) {
    return false;
  }
  if($n === 2) {
    return true;
  }

  $s = 0;
  $d = $n - 1;
  while(($d % 2) === 0){
    $s ++;
    $d = $d / 2;
  }

  $k = 10000;
  while($k) {
    assert_iterate($n, $s, $d);
    $k--;
  }

  return true;
}

```

###問題のある部分

ソースコードの問題点は、素数でテストをしてもfalseが返ってくることです（素数であれば、trueが返ってきます）。
is_primeの引数に13を入れて調べてみたところ、上の assert_iterate関数 の1回目のイテレートでfalseに入ってしまいました。

アドバイスをよろしくお願いします。????‍♂️

素数判定の式を実装できません。。。

7.25 追記--
現在、質問に対し以下の回答をいただきました。
・プログラムの抽象構造を追う際に困る。
・会社のルールとか名前付け規則とかに引っかかる。

もしこれらや質問文のリンクにあるもの以外に、フィールドにすると困る点がありましたら、よろしくお願い致します。

※私はチームへ参加したばかりの立場です。
　既存メンバーから以下のようなの反論の可能性を考慮しています。
　「構造を追うのに困ってない」
　「規約があれば従うが、このPjでそういった規約はない」
　「バイナリ互換は要件に入っていないので、意識しなくてよい」

もし反論の余地がないような、フィールド使用によるデメリットがあればよろしくお願いいたします。
--ここまで追記

get; set; ともに public で、bind しない場合、基本的にフィールドでも問題ありませんか？

// フィールド
public int A = 0;

// プロパティ。上より打つのが手間。
public int A { get; set; } = 0;
// 古い c# だと初期化を一緒にかけないので、もっと手間なコードになる。

↓を読んだところ、CAS や バイナリ互換 等を意識すようなケースを除いて、読書公開の場合はフィールドでもデメリットはないという認識は合ってますでしょうか。
https://ladybug.hatenadiary.org/entry/20070328/p2

よろしくお願いします。

get setともに公開の自動プロパティの意義

人にクイックソートが中央値を選ぶと高速な理由について説明しなければいけないのですが、下記の文言で問題ないか確認お願いします。

①pivotを中央値にして分割を行い、分割の階数（深さ）を少なくすることで結果として、比較回数や交換回数を減らすことができるから

この説明がいまいちな気がするんですが、添削をお願いします。


---------------追記--------------------
私の認識が正しいか確認お願いします
以下のような配列があった場合、下のようにpivotに中央値を選び均等に分割できたとします。次にグループAで同じ処理を繰り返すとき、Bの要素は無視してAの中の要素とだけ比較すればよい。Bの要素を無視するので比較回数・交換回数が大幅に減る。Bも同様
よって中央値で分割できると高速で処理できる。
```ここに言語を入力
[4,3,2,5,7,6,9,10,8]
　　　　　↓基準値を6とする
[4,3,2,5][確定：6][7,8,9,10]  ///[4,3,2,5]を**グループA**,[7,8,9,10]を**グループB**とします

以降それぞれで処理

```

反対に最小値や最大値をpivotとして選んだ場合、上記の例のように中央値で分割できていないためグループに大きな偏りが生じる。グループCの場合、分割によって比較回数や交換回数をあまり減らすことができていない。
つまり処理が遅くなってします。

```ここに言語を入力
[4,3,2,5,7,6,9,10,8]
　　　　　↓基準値を2とする
[確定：2][4,3,5,6,7,8,9,10]  ///[4,3,5,6,7,8,9,10] をグループCとする
　　　　　↓
以降も最小値を選び続ける

```

クイックソートが中央値を選ぶと高速な理由

### 前提・実現したいこと
学習しながらゲームを進めることができないようなゲームでも、強化学習によってまともにゲームをプレイできるモデルを作成したいです。
今回はopen ai gymのCartPole-v0(できるだけ長くcartpoleを倒れないようにしようというゲーム)で何回かゲームをプレイ→ゲームのプレイデータから学習→ゲームをプレイ→ゲームのプレイデータから学習→...ということを行っています。
強化学習の方法はDueling Networkを使っていて、コードは「作りながら学ぶ！深層強化学習」(著者:小川雄太郎)の実装コードを参考に作っています([Deep-Reinforcement-Learning-Book](https://github.com/YutaroOgawa/Deep-Reinforcement-Learning-Book))。ReplayMemory,Netクラスはそのままで、Brain,Agentクラスは学習したネットワークとメモリーを保存するように書き換えてあります。Environmentクラスは、Environment_Dクラスがゲームをプレイした際のstate,action,next_state,rewardの情報だけを保存しておくクラス、Environment_Lが保存されたstate,action,next_state,rewardの情報をもとにNetworkが学習するクラスです。

### 発生している問題
学習が全く進んでいないように思えます。
「作りながら学ぶ！深層強化学習」の実装コードだと、120episode程度学習するとcartpoleを200step以上倒れないように維持することができるのです。しかし、私が行った(10episode分学習したnetworkでプレイ→学習→)というサイクルで学習する場合には1000サイクル(実質10000episode)学習を行っても平均30step程度しか、cartpoleを倒れず維持することができません。これは、学習を全く行っておらず、randomにプレイした場合と同じ程度しか倒れないように維持できていないということです。
### 該当のソースコード

```Python3
# CartPoleを実行する環境のクラスです
class Environment_L:

    def __init__(self):
        self.env = gym.make(ENV)  # 実行する課題を設定
        num_states = self.env.observation_space.shape[0]  # 課題の状態と行動の数を設定
        num_actions = self.env.action_space.n  # CartPoleの行動（右に左に押す）の2を取得
        # 環境内で行動するAgentを生成
        self.agent = Agent(num_states, num_actions)

    def run(self):
        '''実行'''
        episode_10_list = np.zeros(10)  # 10試行分の立ち続けたstep数を格納し、平均ステップ数を出力に利用
        complete_episodes = 0  # 195step以上連続で立ち続けた試行数
        episode_final = False  # 最後の試行フラグ
        frames = []  # 最後の試行を動画にするために画像を格納する変数

        for episode in range(NUM_EPISODES):  # 試行数分繰り返す
            filepath = "/content/drive/My Drive/cp/trial_cartpole/cartpole_"+str(episode)+"_"+str(learning_time)+".pkl"
            # Environment_Dで作成したデータの読み込み
            with open(filepath, mode="rb") as f:
                state_action_dic = pickle.load(f)
            
        
            for step in range(len(state_action_dic.keys())):# 1エピソードのループ
                state_action_step = state_action_dic[step]
                state      = state_action_step[0]
                action     = state_action_step[1]
                state_next = state_action_step[2]
                reward     = state_action_step[3]
                
                # メモリに経験を追加
                self.agent.memorize(state, action, state_next, reward)

                # Experience ReplayでQ関数を更新する
                self.agent.update_q_function()

                # 終了時の処理
                if step == len(state_action_dic.keys())-1:
                    episode_10_list = np.hstack((episode_10_list[1:], step + 1))
                    
                    if step > 195:
                        complete_episodes = complete_episodes + 1  # 連続記録を更新
                    
                    # DDQNで追加、2試行に1度、Target Q-NetworkをMainと同じにコピーする
                    if(episode % 2 == 0):
                        self.agent.update_target_q_function()
                    break
                    
                    
            if episode == NUM_EPISODES-1:
                self.agent.save_models()
                break

            # 10連続で200step経ち続けたら成功
            if complete_episodes >= 10:
                print('10回連続成功')
                episode_final = True  # 次の試行を描画を行う最終試行とする


import warnings
warnings.filterwarnings("ignore", category=UserWarning)
import time

cartpole_env_D = Environment_D()
cartpole_env_L = Environment_L()
t1=time.time()
learning_time = 0
for i in range(1000):
    #print("learning_time",learning_time)
    cartpole_env_D.run()
    cartpole_env_L.run()
    learning_time += 1
    
```

状態や行動のデータのみが分かるゲームの強化学習を行いたいです

HTMLの表で、列ごとにある"編集"ボタンを押すと、<td>タグに挟まれているテキストデータを取得して、別の画面に持ち越すというものを作っているのですが、読み取り方と、送り方が分からずに困っています。
```HTML
<!DOCTYPE html>
<html>
 <head>
  <meta charset = "UTF-8">
  <meta http-equiv="content-language" content="ja">
  <meta http-equiv="Content-Script-Type" content="text/javascript">
  
  <script src="https://ajax.googleapis.com/ajax/libs/jquery/3.5.1/jquery.min.js"></script> 
  <link rel="stylesheet" type="text/css" href="./bb.css">
  

   <title>色ペンマスタ</title>
 </head>
 
 <body>
 <script type="text/javascript" src="./bank.js"></script> 
 <header class ="obih">色ペンマスタ</header>
  <h1>ペンキ一覧</h1> 
 <form class = "youso">
  
  
  <table class = "btable01">
 
   <tr><th>色</th><th>マーカー素材</th><th>メーカー名</th><th>メーカーコード</th>
   <th>編集</th><th>削除</th></tr>
   <tr id=t1><td>GREEN</td><td>水性</td><td>A社</td><td>0101</td>
   <td> <button class="update" text-align:center>編集</button></td>
   <td> <button class="sakujyo" text-align:center>削除</button></td></tr>
    <tr id=t2><td>ORANGE</td><td>水性</td><td>B社</td><td>0102</td>
   <td> <button class="update" text-align:center>編集</button></td>
   <td> <button class="sakujyo" text-align:center>削除</button></td></tr>
    <tr id=t3><td>PINK</td><td>油性</td><td>C社</td><td>0103</td>
   <td> <button class="update" text-align:center>編集</button></td>
   <td> <button class="sakujyo" text-align:center>削除</button></td></tr>
  </table>
 </form>
 </body>
</html>
```
例えば、id=t2の列の編集ボタンをおしたら、id=t2のデータを読み取って、別画面に遷移するときに値を渡してくれるみたいな。感じです。(言葉間違っていたらすみません)

教えてくれる方、いたらよろしくお願いします。


ブラウザ:googlechrome

<table>のデータを<tr>別に読み取るには?

現在クイックソートを勉強している学生です。

クイックソートのピボットの決め方について質問があります。
最良と最悪が下記二つであることはわかりました

理想は配列の中央値で均等に分割すること
ー＞要素数が多い場合そもそも中央値を求めるのに時間がかかるから×

計算量n^2となる最悪な選び方
ー＞配列の最大値or最小値を常に選び続ける

自分なりに調べた結果下記の三つのやり方がよくつかわれることがわかりました

①ランダム
②複数サンプルとり、その中央値
③先頭二つの要素をとり、大きい方を選ぶ（同じ場合は次の要素と比較）

個人的には②>③>①な気がするのですがどうでしょうか

ちなみに、私が考えるそれぞれのメリット・考え方は
①②も③も最小値や最大値を引く可能性があるなら余計な計算など瀬津にランダムでいいという考え
②複数サンプルのうちの中央値を選択するので、最小値や、最大値を選択する可能性が低い、かつ③より中央に近い値を取りやすい
③配列の要素がほぼすべて同じでない限り最大値や最小値を引く可能性が低い

それぞれ、ほかに方法があったりするのでしょうか？
解答よろしくお願いします。