More Related Content
Viewers also liked
Viewers also liked (20)
Similar to メカ女子将棋Julia tokyo#1
Recently uploaded
Recently uploaded (10)
メカ女子将棋Julia tokyo#1
- 2. お品書き 自己紹介（@kimrin） メカ女子将棋部の紹介 なぜ#JuliaLangでコンピュータ将棋を？ コンピュータ将棋システムの仕組み Magic Bit Board と #JuliaLang の128bit Integerとの蜜月 動かしてみよう（論より証拠w） 2
- 3. 自己紹介(@kimrin) 組込みエンジニア（メイン：OpenGL関係, 某Game機, 某歩く人など） コンパイラ（COINSのお手伝い、AspectJ静的解析系） 自然言語処理（修論は形態素解析） ゲーム木探索（海外発表あり） ソニー子会社勤務などを経て、現在某SIer勤務 （主にSなんとか、とかに常駐してます） Mecha Lady Shogi Blog: http://mechawooser.blogspot.jp/ 絶賛転職活動中です 3
- 12. 具体例：▲７六歩 △４二王を指すところ >1:position startpos moves 7g7f >1:go btime 1499000 wtime 1500000 byoyomi 0 <1:info time 62 depth 1 nodes 51 score cp 11 nps 827 pv 3c3d 8h2b+ 8b2b <1:info time 122 depth 2 nodes 135 score cp -69 nps 1102 pv 3c3d 5g5f 2b8h+ 2h8h <1:info time 177 depth 2 nodes 313 score cp -205 nps 1770 pv 3c3d 5i6h 2b8h+ 7i8h <1:info time 279 depth 3 nodes 2812 score cp 54 nps 10079 pv 5a4b 3i4h 3c3d 8h2b+ 3a2b <1:info time 397 depth 4 nodes 4788 score cp 91 nps 12069 pv 5a4b 3i4h 3c3d 8h2b+ 3a2b <1:info time 550 depth 4 nodes 11286 score cp 118 nps 20507 pv 5a4b 5g5f 3c3d 5f5e 2b5e <1:info time 1077 depth 5 nodes 46579 score cp 188 nps 43256 pv 5a4b 5i6h 3c3d 8h2b+ 3a2b <1:info time 2635 depth 6 nodes 136954 score cp -229 nps 51967 pv 5a4b 5i6h 4b3b 3i4h 3b4b 5g5f <1:info time 7257 depth 6 nodes 501384 score cp -295 nps 69089 pv 5c5d 2g2f 8b5b 2f2e 5a6b 2e2d <1:bestmove 5a4b 12
- 13. 盤面と指し手 position startpos moves 7g7f 初期盤面から▲７六歩まで 以下、指し手を連ねていく 7g7f: (移動元)(移動先)になってる 7: ７筋（これは棋譜と一緒） g, f: ７段、６段（aが１段） 駒台から打つ手の場合 P*7f のように、打つ駒の名前、”*” 、打つ場所、と表記する 13
- 14. そもそも将棋エンジンとは、 何を計算するのか？ Pseudo Code で書いてみた： Algorithm S(p::Position) lis = generate_moves(p) move = choice(p,lis) return move choiceがキモ！ 実際は、Alpha Beta Search（後述）というのを行う 14
- 15. Algorithm Choice for id_depth = 1:ID_MAX val = AlphaBeta (p, -Infinity, Infinity, id_depth, 0, teban) report_to_UI( PV) （後述） if timedOut return PV[1,1] # 指し手（後述） end end Algorithm AlphaBeta( p::Position, alpha::Int64, beta::Int64, depth::Int64, ply::Int64, teban::Int64) こんな感じの関数をひたすら再帰で実行する 15
- 16. Alpha Beta Search(1) Algorithm AlphaBeta(p,alpha,beta,depth,ply,teban) if depth <= 0 return evaluate(p,teban) end lis = generate_moves (p,teban) if length(lis) == 0 return -Infinity + ply end (続く。。。) 16
- 17. Alpha Beta Search(2) for m in lis (本体は次ページ) end return alpha end ! ! ! ! 17
- 18. （本体） make_move (p, m, teban) val = -AlphaBeta( p, -beta, -alpha, depth-1, ply+1, teban*(-1)) move_back(p, m, teban) if val > alpha alpha = val # alpha update update_pv( p, m, val) # update Principal Variation if val >= beta break # beta cutoff end end 18
- 19. Alpha Beta Search(3) 関数について evaluate: 評価関数 局面の価値を計算する関数 メカ女子将棋ではbonanzaプログラムの素性値を利用 generate_moves: 可能手生成関数 局面から指せる手をすべてリストに列挙する 後述のMagic BitBoardはここの話 legal/pseudo legal の二種類がある（この例ではlegal） 以上二つがCPUのかなりの時間を使う（※重要） 19
- 20. Alpha Beta Search(4) make_move/move_back: 一手指す(mを)そしてpを更新する move_backは一手戻す update_pv: 最善応手手順(PV)を更新する 関数が手を返すのではなくここでPVを更新するケースが多い このPVの結果の１手目を指し手とする 実際は三角な行列を更新することが多い PVをtransposition table と呼ばれるハッシュテーブルから取得する場合も (Stock Fishなど) 20
- 21. Alpha Beta Search(5) 注目すべきは beta cutoff これ、途中でSearchを止めている しかし、このcutoffを行っても、最後に計算されるval（ゲーム木の値）は変わらない [Knuth 75] ＝つまりサボれる＝もっと深く探索できる 実際にはmove ordering という指し手リストの並べ替えを行って、できるだけ最初の方 でbeta cutoffが起きるようにしている 最も最適な並び替えられたtree全体のことを、optimal treeと呼ぶ ! [Knuth 75] An Analysis of Alpha-Beta Pruning(Artificial Intelligence 6(1975), 293-326) という論文にこの点についての考察がある 21
- 23. Magic BitBoard と #JuliaLang 128bit 整数 まず、bitboardとは、を説明します Chessでは、64bit変数のそれぞれのbitで、各 squareの駒の有無を表現する Whites, Blacks, AllPieces, WhiteBishopsなど、用 途に応じて色んなbitboardを作る 将棋は9x9なので、さて、困った。。。（続く） 23
- 24. NextGen Mechajyoでは Stockfish(Chess program)の64bit bitboardをそのまま128bitに拡 張して、下位81bit(=9x9)を使用する #JuliaLangでは、128bit 整数の演算をサポートしている （LLVM由来）ので、ロジックそのままに若干修正するだけ でbitboardを将棋にも導入できます！ #JuliaLangまんせー＼(^o^)／ ほかのソフトは32bit x 3とか、64bit+32bitとかやって、C/C++ で頑張って計算しています。。。 24
- 25. BitBoard 基本、駒の可能手を、次の関数で計算 する（表引き） B = F(original_position,piece_kind) 例：B= F(7七,先手歩) Bは7六だけbitが立ったBitBoard 25
- 27. Magic BitBoardとは Sliding Pieces（香車、飛車、角、竜、 馬）などの可能手を高速に求める方 法 なんと、かけ算使って、効きを求め る！！！（なんだってー！！！） 27
- 30. よって、効きを求める関数は C = G(original_position,piece_kind, context) となる ここで、contextは効きの 状態を駒の有無でbit化した整数 30
- 31. Programming Chessの仙人 が考えた斬新な方法とは contextを高速に求めたい。例えばcontextの長さが10bitで、すべ てのマスに駒がいる場合、1023という数字を、高速に求めたい Bishop, Rookのそれぞれで、縦横斜めの連続したbit列を集めてこ ないといけない そこで、以下の式でcontextを求めちゃう uint((((occ & Masks[s+1]) * Magics[s+1])) >>> Shifts[s +1]) 詳しくは次ページ 31
- 32. uint((((occ & Masks[s+1]) * Magics[s+1])) >>> Shifts[s+1]) occが全部の駒のbitboard Masksは、駒がsの位置に有った場合の、行き 放題の効き で、それにhashを求めるべくMagicsを掛けると 縦横斜めのbit達が連続した領域に入る♡ で、Shiftsで寄せて、contextのできあがり♡ 32
- 39. 将棋盤（USI） 9a 8a 7a 6a 5a 4a 3a 2a 1a 9b 8b 7b 6b 5b 4b 3b 2b 1b 9c 8c 7c 6c 5c 4c 3c 2c 1c 9d 8d 7d 6d 5d 4d 3d 2d 1d 9e 8e 7e 6e 5e 4e 3e 2e 1e 9f 8f 7f 6f 5f 4f 3f 2f 1f 9g 8g 7g 6g 5g 4g 3g 2g 1g 9h 8h 7h 6h 5h 4h 3h 2h 1h 9i 8i 7i 6i 5i 4i 3i 2i 1i 39