我們使用 GnuGo 為測試的對象，使用的版本是 3.7.10，棋力設定成 Level 10。
測試的盤數為 HappyGO 的每組設定各 500 盤。
4.1 HappyGO 設定說明
HappyGO 的設定共分成八組，分別說明如下：
1. 基本設定
此設定中使用候選步產生及管理機制，加上第一次展開時的候選步篩選，將 不合法及不適合的棋步予以去除。其餘的七種設定中皆包含此設定。
2. 模擬加強
此設定中除了基本設定之外，加入 3.2.5 節中所有提及的棋局模擬加強策略。
3. 贏著優先
此設定中除了基本設定之外，加入 3.2.3 節中提及的贏著優先策略。
4. 贏著優先+模擬加強
此設定為基本設定加上贏著優先以及模擬加強的策略。
5. RAVE
此設定是除了基本設定外，將 MoGo 中使用的 RAVE 選擇節點策略加入。
6. RAVE+模擬加強
此設定是除了基本設定外，加上 RAVE 及模擬加強策略。
7. RAVE+贏著優先
此設定為基本設定加上 RAVE 及贏著優先策略。
8. RAVE+贏著優先+模擬加強
此設定為基本設定加上 RAVE，贏著優先以及模擬加強策略。
33
測試所使用的機器配備為 Intel Core 2 Duo CPU，工作頻率為 3.3GHz，搭配 4GB 的記憶體。表 4.1 為各組設定之執行效率表。
34
35
10K 20K 40K 70K
模擬加強
10K 20K 40K 70K
模擬加強
10K 20K 40K 70K
模擬加強
36
圖 4.1 為七種設定的平均勝率線圖，圖 4.2 為七種設定持黑棋時的勝率折線 圖，圖 4.3 為七種設定持白棋時的勝率折線圖。由圖 4.1 的測試結果顯示，棋力 呈現不穩定現象，表示尚有許多問題需要解決，是未來努力的方向。就勝率的穩 定性而言，由圖 4.2 及圖 4.3 的結果可知，持黑比持白穩定，即持黑時的勝率震 盪幅度明顯地比持白時的勝率震盪幅度要小。另外，結果顯示不同的策略會互相 影響，但是並不完全是相互輔助的，有時會互相牽制，以圖 4.2 中「贏著優先＋
模擬加強」設定為例，在模擬次數 20K 時，勝率小於只有模擬加強設定的勝率，
模擬次數 40K 時，勝率小於只有贏著優先設定的勝率。此種現象並不是我們所預 期的結果，而找出造成此現象的原因並加以解決，也是我們未來努力的方向。
由圖 4.1 的結果可知，模擬的次數愈多，不同設定間的勝率差距愈小。模擬 次數 10K 時，「RAVE+模擬加強」的勝率為 72.1%，「RAVE+贏著優先」的勝率為 39.6%，
差距為 32.5%。模擬次數 70K 時，「RAVE+贏著優先+模擬加強」的勝率為 87.8%，「贏 著優先」的勝率為 70.2%，差距為 17.6%。差距由 10K 時的 32.5%縮小成 70K 時的 17.6%。圖 4.2 持黑勝率及圖 4.3 持白勝率也顯示相同的現象。持黑時，勝率差距 由 10K 時的 41.6%(「RAVE+模擬加強」的 87.2%減「模擬加強」的 45.6%)，縮小至 70K 時的 26.4%(「RAVE+贏著優先」的 92.6%減「贏著優先+模擬加強」的 66.2%)。
持白時，勝率差距由 10K 時的 53.6%(「RAVE+贏著優先+模擬加強」的 74.4%減「RAVE+
贏著優先」的 20.8%)，縮小至 70K 時的 40.2%(「RAVE+贏著優先+模擬加強」的 93.2%
減「RAVE+贏著優先」的 53%)。
由測試結果及上述的分析可知，策略的增加可以提升勝率，但是會有震盪的 情形，而震盪的幅度可以經由模擬次數的增加而減小。
37