変数使用報酬の振動

[shnarazk]

大きな振幅から1.0に収束させるものだと思っていたけど、過学習的なものを見ていてむしろ0.995〜1.0の振幅から広げて行くもののような気がしてきた。

これは元に戻すようにも思えるが今回はsigmoid関数をつかっているので十分deep searchできるんじゃなかろうか。
さらに値が確定した後の挙動も筋が通っているような気がする。
さて、焼きなましの逆過程はうまくいくだろうか。連続焼きなましなので類するものはないのだろうか。

[shnarazk]

一発でいきなりベストを更新(48xx)したので、こっちに乗り換えよう。