More notes on the possible min/max method.
[pachi/pachi-r6144.git] / TODO
blob708a40b64977b0f6fb4be1e35a65f43819d4c6f5
1 Docs:
2 * Manual page - full usage documentation
3 * GTP interface documentation
5 Base:
6 * Further optimize board implementation, oprofile fun
7 * Clean up GTP interface, allow custom GTP commands for modules
8 * Implement parameter setup over GTP
9 * gogui-friendly GTP interface
11 General improvements:
12 * Opening book
13 * Criticality
14         Further use in search. Experiment with crit_min_playouts adaptively
15         adjusting based on number of simulations so far.
16 * Killer moves
17 * MM local-based patterns
18 * Balanced local-based patterns?
19 * Local tree forcing
20 * Liberty maps
21 * Reverse status learning
22         Run on game corpus. Start at final position, watch development
23         of status of all stones. The moment the final status and expected
24         status changes, analyze, especially if move choice differs. Use
25         learnt status-fixing moves in simulations somehow.
27 Playouts:
28 * Split playout aspects to custom-stackable pieces
29 * Possibly replay top-rated unplayed moves from the tree
30   in the playout?
32 UCB1AMAF:
33 * Fix RAVE for good (still noticeably weaker than fuego?)
34 * Separate constants for prior and amaf elements?