色々やったので更新

• リバーシ関連
  • 盤面の実装
  • 評価関数の実装（あまり複雑な事はしない）
    • 石の位置・手番による評価
    • 手数と石の数による評価
    • 着手可能数
    • 開放度
    • この後の進展次第で追加
  • MinMaxの実装
  • 探索値との平均二乗誤差の計算
  • メタ強化学習
  • αβの実装
  • 必勝読みの実装
  • 適格度トレース
  • Q学習の拡張（というか、一部処理の削除）
  • 非グリーディーな行動選択時限定でのソフトマックス手法の使用 ← ここまでの目標 9月中
• 将棋関連
  • 将棋で使う為に強化学習関連のクラスをC++に移植
  • 詰め将棋の実装
  • 将棋用の評価関数の実装 ← ここまでの目標 10月中
    • 駒割
    • 絶対位置による評価
    • 王将との相対位置による評価
    • 二駒の位置関係