色々修正

開発の方はさっぱり進まないです。この分だと、年内に完成も難しいかも…

• リバーシでの予備実験
  • TDLeaf(λ)実装。
  • メタ強化学習で、状態を見て行動選択する様に変更。
  • メタ強化学習で、状態の表現方法を検討。
  • εグリーディーとソフトマックス手法の比較。
  • TDLeaf(λ)とTD(λ)の比較。
• 将棋の学習関連
  • TDLeaf(λ)エージェントを再実装。
    • 方策をエージェントから独立させる。
    • メタ強化学習対応。
  • メタ強化学習の移植。
  • 学習中の各種統計情報の収集・表示ルーチン実装。
  • 対局部分の並列化。
  • 他のソフトとの連続対戦ルーチン実装（勝率での検証用）。
  • 評価関数でのstd::mapの使用をやめる。
    • ひょっとしたらテンプレートを使用する必要があるかも。ここら辺は要検討。
  • ハッシュ表の再実装。
  • MTD(f)再実装。静止探索部分でもハッシュを使用する。
  • 将棋のルールの細かい部分の実装。
    • 千日手・連続王手の千日手の検出。
    • 入玉宣言の実装。
    • 詰みとステイルメイトの区別。
    • 打ち歩詰めと打ち歩ステイルメイトの検出。
  • 探索に頓死チェックを追加。（※必要に応じて）
• 選手権での対局用
  • USIにちゃんと対応
  • MTD-∞の実装
  • 思考時間制御