メタ強化学習にリトライ

　http://www.cns.atr.jp/cnb/papers/pdf/Schweeighofer2003nn.pdfの論文をほぼそのまま実装。n本腕バンディット問題はちゃんと学習してくれました。

　が、細かい所で色々困った事があります。さて、どうするか。

1. とりあえず無視してリバーシにメタ強化学習を使ってみる
2. 一発ネタで問題解決
3. 地味に手作業で問題解決