人工知能技術を活用して、ポケモンバトルの戦略を自動的に構築する手法を研究します。 2025年5月号では、「見せ合い選出」をAIで実現します。バランスの良いパーティを作るにはどうすればよいのか？ ナッシュ均衡を用いた見せ合い選出の最適化手法や、Double Oracleアルゴリズムを用いたパーティ構築の最適化手法を提案します。 過去の巻がなくても読めるよう配慮していますので、最新手法を知りたい場合は新刊だけでも大丈夫です。 第1章 はじめに 1.1 本稿の対象 1.2 先行研究との関連 1.3 本稿の構成 1.4 免責事項 第2章 ポケモンバトルのシミュレーション環境と基礎実験 2.1 ポケモンバトルのシミュレーション方法 2.2 ポケモン候補プールの生成と勝率テーブルの作成 2.3 勝率テーブルの分析例 第3章 見せ合い選出の最適化：ナッシュ均衡の適用 3.1 ナッシュ均衡の導入 3.2 ナッシュ均衡計算ライブラリNashpy 3.3 実際のパーティへの適用例 3.3.1 ナッシュ均衡が純粋戦略となる例 3.3.2 2 つの戦略に正の確率が割り振られる例 3.3.3 3 つの戦略に正の確率が割り振られる例 3.3.4 まとめ 3.4 選出アルゴリズムの比較 3.5 選出アルゴリズムによるパーティ評価の変化 3.5.1 評価方法 3.5.2 最も強くなったパーティ 3.5.3 最も弱くなったパーティ 3.5.4 まとめ 第4章 パーティ構築の最適化 4.1 パーティ構築問題の定義と混合戦略の必要性 4.2 手法1：限定的なパーティ候補からの最適化 4.3 手法2：大規模な戦略空間への対応-Double Oracleアルゴリズム 4.3.1 Double Oracleアルゴリズムの解説と具体例 4.3.2 Double Oracleアルゴリズムの実装と検証（パーティ候補100個への適用） 4.3.3 ポケモン候補100体からの組み合わせによるパーティ構築への適用と結果 4.4 手法3：任意ポケモン・技組み合わせへの挑戦 4.4.1 計算コストの問題点と高速化の必要性 4.4.2 DNNを用いたポケモン1体対1体の勝敗予測モデル 4.4.3 予測モデルとDouble Oracle、山登り法を用いた任意パーティ構築 第5章 まとめと今後の課題 5.1 本稿の成果の要約 5.2 得られた知見 5.3 現状の限界点と今後の課題 付録A ポケモンに関するAIの動向 A.1 ポケモン本編をクリアするAI A.2 大規模言語モデルを用いたポケモンバトルAI