第8名解决方案

由于我们在比赛最后一个月才匆忙参赛，我们的解决方案没有得到充分的完善，因此原本不打算公开。不过，这篇帖子促使我这样做（笑），所以我将简要分享一下。

英文文本主要由自动翻译生成。如果有任何难以理解的部分，请随时提问。

GitHub 仓库地址 在这里。

• 该解决方案基于 AlphaZero 方式的学习和搜索。
• 我主要负责评估函数部分，@kkt89swa 主要负责 MCTS 部分。
• 作为 PV-Network，我使用了基于 NNUE（第一层为 EmbeddingBag 的 4 层 MLP）的 NN，而不是 CNN。
  • 但是，为了 NNUE 的名誉，我认为我们没能充分发挥 NNUE 的威力。
• 没有使用 NNUE 的增量更新。相反，我们使用了稀疏特征。
• 作为特征，我们使用了 44 种变量（替换为二进制变量后约 2400 个），这些变量可以通过轻量计算获得。
• 模型的推理是用 C++ 实现的。
  • 我只对计算量大的部分显式编写了计算向量化代码。
  • 由于评估环境中的 CPU 是 Broadwell，因此可以使用高达 AVX2 的向量运算。
• 我使用 PyTorch 来训练模型。
• 对于我们最后提交的智能体，我使用了每步 0.1 秒的自我对弈生成的约 20 万局棋谱作为训练数据。
  • 这可能还不够。
• 模型在单次推理中输出所有人的策略和价值。
• 两个智能体之间的价值差被视为胜率的对数，计算所有 6 对的交叉熵作为价值的损失函数。
  • 在推理时，同样通过计算每对的胜率，可以得到期望排名。
  • 四个智能体的期望排名之和总是 10。
• 在树搜索中，通过将食物可能出现的位置缩小到 3 个位置来加深搜索。
• 在最后一天的提交中，我们做了一个改动，在决定行动时不仅使用选择次数，还使用平均价值。这大大减少了在与较弱对手比赛时的意外死亡次数。
• 我认为在本地测量时，搜索速度大约是 100k nps（每秒节点数）。
  • 似乎约 60% 的搜索时间用于计算评估函数。
• 队名 "TCOR3参加失敗組" 指的是一群未能参加 Topcoder Open (TCO21) 算法第 3 轮的人。
  • 我们两人都通过了第 2 轮，但我回家晚了没能及时注册，而 @kkt89swa 睡过头了。