近年, ゲーム環境への深層強化学習の応用が注目されている．特に，プレイヤーが得られる情報が部分的である不完全情報ゲームへと積極的に応用されている. 本研究では不完全情報ゲームの 1 つであるトレーディングカードゲーム (TCG) に着目した. TCG は使用可能なカードの性能や種類を変更可能という点で, 他のゲームよりも人工知能による攻略が困難である. また, この性質のためゲームバランスの調整が難しく, 公開後に修正が入ることが一般的であり, カードの性能を上方修正するバフや下方修正するナーフなどの用語が用いられる. 上記の背景から, 筆者らは深層強化学習とそれに基づく進化型計算を用いた TCG 環境のゲームバランス最適化手法を提案し, 独自の TCG 環境を用いて数値実験により提案手法の有効性を検証した.
