[囲碁] 地の判定、報酬計算

[OkanoShinri]

環境を作る以上正しく報酬を返さなければならない。

現実の囲碁は

• 終了条件が「両者のパス」であり、将棋やチェスのようにこうしたら勝ちというものではない
• 駄目の存在により、盤の空点全てが地になっていなくても終局する（終局の判定が人間任せ）
• すなわち互いに合意するまで対局が続く

今回のシミュレータでは、ひとまず

• 両者がパスしたら終局（シミュレータ側で終局の判定はしない）
• 終局したら盤面の地を数える
• 「地-アゲハマ」が大きい方が勝ち

として進めたいと思います。
報酬はとりあえず勝った方を+100, 負けた方を-100勝った方を+1, 負けた方を-1としておきます。

[sotetsuk]

1/-1で！

[OkanoShinri]

#21 (comment)
_is_surrounded_v2()は地のカウントにも使える利点があるので、_is_surrounded()を削除し、_is_surrounded_v2()を_is_surrounded()にリネームします

[OkanoShinri]

@sotetsuk
step()を実行したときに返される報酬は

• その行動をしたプレイヤーの報酬（整数値）
• [先手の報酬, 後手の報酬]のリスト

のどちらが良いでしょうか？
囲碁は2回パスで終局になるので、前者だと2回目のパスをしたプレイヤーの報酬しか分からない気がしたのです

[sotetsuk]

んーたしかに悩ましいですね。一旦リストで返しておきますか！@OkanoShinri

[sotetsuk]

Ndarrayにしておきましょう