Add new TimeControl mode "STRICT_PLAYOUT"

gtp/client.py

@@ -90,7 +90,7 @@ def __init__(self, board_size: int, superko: bool, model_file_path: str, \
         self.use_sequential_halving = use_sequential_halving
         self.use_network = False
 
-        if mode is TimeControl.CONSTANT_PLAYOUT:
+        if mode is TimeControl.CONSTANT_PLAYOUT or mode is TimeControl.STRICT_PLAYOUT:
             self.time_manager = TimeManager(mode=mode, constant_visits=visits)
         if mode is TimeControl.CONSTANT_TIME:
             self.time_manager = TimeManager(mode=mode, constant_time=const_time)

main.py

@@ -30,6 +30,9 @@
     help="コミの値の設定。デフォルトは7.0。")
 @click.option('--visits', type=click.IntRange(min=1), default=1000, \
     help="1手あたりの探索回数の指定。デフォルトは1000。\
+    --strict-visitsオプション、--const-timeオプション、または--timeオプションが指定された時は無視する。")
+@click.option('--strict-visits', type=click.IntRange(min=1), \
+    help="1手あたりの探索回数の厳密指定（着手が確定しても打ち切らない）。\
     --const-timeオプション、または--timeオプションが指定された時は無視する。")
 @click.option('--const-time', type=click.FLOAT, \
     help="1手あたりの探索時間の指定。--timeオプションが指定された時は無視する。")
@@ -42,7 +45,7 @@
 @click.option('--cgos-mode', type=click.BOOL, default=False, \
     help="全ての石を打ち上げるまでパスしないモード設定。デフォルトはFalse。")
 def gtp_main(size: int, superko: bool, model:str, use_gpu: bool, sequential_halving: bool, \
-    policy_move: bool, komi: float, visits: int, const_time: float, time: float, \
+    policy_move: bool, komi: float, visits: int, strict_visits: int, const_time: float, time: float, \
     batch_size: int, tree_size: int, cgos_mode: bool):
     """GTPクライアントの起動。
 
@@ -55,6 +58,7 @@ def gtp_main(size: int, superko: bool, model:str, use_gpu: bool, sequential_halv
         sequential_halving (bool): Gumbel AlphaZeroの探索手法で着手生成するフラグ。デフォルトはFalse。
         komi (float): コミの値。デフォルトは7.0。
         visits (int): 1手あたりの探索回数。デフォルトは1000。
+        strict_visits (int): 1手あたりの厳密な探索回数（着手が確定しても打ち切らない）。
         const_time (float): 1手あたりの探索時間。
         time (float): 対局時の持ち時間。
         batch_size (int): 探索実行時のニューラルネットワークのミニバッチサイズ。デフォルトはNN_BATCH_SIZE。
@@ -63,6 +67,9 @@ def gtp_main(size: int, superko: bool, model:str, use_gpu: bool, sequential_halv
     """
     mode = TimeControl.CONSTANT_PLAYOUT
 
+    if strict_visits is not None:
+        mode = TimeControl.STRICT_PLAYOUT
+        visits = strict_visits
     if const_time is not None:
         mode = TimeControl.CONSTANT_TIME
     if time is not None:

mcts/time_manager.py

@@ -15,6 +15,7 @@ class TimeControl(Enum):
     CONSTANT_PLAYOUT = 0
     CONSTANT_TIME = 1
     TIME_CONTROL = 2
+    STRICT_PLAYOUT = 3  # 着手が確定しても打ち切らず指定回数までプレイアウト
 
 
 class TimeManager:
@@ -66,7 +67,7 @@ def get_num_visits_threshold(self, color: Stone) -> int:
         Returns:
             int: 探索回数の閾値。
         """
-        if self.mode == TimeControl.CONSTANT_PLAYOUT:
+        if self.mode == TimeControl.CONSTANT_PLAYOUT or self.mode == TimeControl.STRICT_PLAYOUT:
             self.time_limit = 10000.0
             return int(self.constant_visits)
         if self.mode == TimeControl.CONSTANT_TIME:
@@ -142,18 +143,21 @@ def is_time_over(self) -> bool:
         return False
 
 
-def is_move_decided(root: MCTSNode, threshold: int) -> bool:
-    """着手が決定したか否かを判定する。
+    def is_move_decided(self, root: MCTSNode, threshold: int) -> bool:
+        """着手が決定したか否かを判定する。
 
-    Args:
-        root (MCTSNode): 現局面のルートノード。
-        threshold (int): 探索回数の閾値。
+        Args:
+            root (MCTSNode): 現局面のルートノード。
+            threshold (int): 探索回数の閾値。
 
-    Returns:
-        bool: 探索打ち切り判定結果。
-    """
-    sorted_visits = sorted(root.children_visits)
-    remaining_visits = threshold - root.node_visits
-    if sorted_visits[-1] - sorted_visits[-2] > remaining_visits:
-        return True
-    return False
+        Returns:
+            bool: 探索打ち切り判定結果。
+        """
+        sorted_visits = sorted(root.children_visits)
+        remaining_visits = threshold - root.node_visits
+        cutoff = sorted_visits[-1] - sorted_visits[-2]
+        if self.mode == TimeControl.STRICT_PLAYOUT:
+            cutoff = 0
+        if remaining_visits < cutoff:
+            return True
+        return False

mcts/tree.py

@@ -20,7 +20,7 @@
     MAX_CONSIDERED_NODES, RESIGN_THRESHOLD, MCTS_TREE_SIZE
 from mcts.sequential_halving import get_candidates_and_visit_pairs
 from mcts.node import MCTSNode
-from mcts.time_manager import TimeControl, TimeManager, is_move_decided
+from mcts.time_manager import TimeControl, TimeManager
 
 class MCTSTree: # pylint: disable=R0902
     """モンテカルロ木探索の実装クラス。
@@ -148,7 +148,7 @@ def search(self, board: GoBoard, color: Stone, time_manager: TimeManager, \
             start_color = color
             self.search_mcts(search_board, start_color, self.current_root, [])
             if time_manager.is_time_over() or \
-                is_move_decided(self.get_root(), threshold):
+                time_manager.is_move_decided(self.get_root(), threshold):
                 break
 
             if len(analysis_query) > 0: