模板参数训练（一）

很早以前听说过模板估值。

把一个棋盘分成不同的区域，这些区域就是模板。整个棋盘做成一个模板，那里面的数据是相当大的，目前机器是无法承受的。因此把棋盘人为的分成多个小的区域，每个区域可能的配置情况是可以一一枚举出来的，对每种配置情况给予不同的分值。估值一个局面的分值，就是对所有区域对应的情况求和，求出来的和就是当前局面的估值。把棋盘划分区域的原则应该是把关联性强的位置分在一起，尽量减少不同区域的相关性。一个棋盘所有的局面近似无限的，把这些局面拆分成不同的模板之和，就相当于利用有限的模板去反应无限的内容。这中间是存在一个极大的误差的。因此对使用模板估值的效果深表怀疑。但是模板估值可以用查表的方式来的到估值，因此速度是极快的， 难道模板估值是用速度换来更深的搜索深度，来保证估值的可靠性？（还没有利用模板估值搜索，不知道具体时间）以前没有深入模板估值的一个原因是模板划分完之后，不知道模板参数如何去设置。最近看到nowcan提供的borg程序，看到其中模板参数训练的内容，才茅塞顿开。borg是个自学习的过程。我最近找到ggs上提供的一个对局库把其中有选手1600分以上的对局作为棋谱来学习。当前阶段没有程序自己对局，只是参照1179380个对局棋谱来训练自己的模板参数。每天下班之后就会利用电脑来进行计算。每天的结果都不尽如人意，总是能发现程序的一些错漏。最近仍在模板参数计算中，下周能写出检验程序0.07版本，看看效果。

预祝0.07能超越0.06。不然模板估值真就可能是我想错了。