色々作りなおしたい

1. 強化学習エージェント
   • 方策をエージェントから独立させる
   • メタ強化学習対応
   • 報酬の扱いを修正
2. 探索ルーチン
   • 静止探索専用で、静止探索でもハッシュ表を使用する
   • 今はKFEnd流の2段階だけど、1段階で深さ無制限にするかも → 性能差を計測してから
3. ハッシュ表
   • 色々な探索ルーチンから使用可能にする
   • 小宮さんとこで紹介されていたハッシュに興味あるし、ひょっとしたら使うかも
   • df-pnを実装する事も考慮してハッシュを作る