色々リセット

　まず、プログラムは打ち歩詰めと思考時間関連の修正が完了。

　ローカルでテストして大体動いてるんで、floodgateに投入。パラメータは昨日までと同じなので、単純にプログラムが変わっただけ。

　それから、今日まで学習させた結果を見ても、やっぱりどっか変です。一度基本的な評価項目に絞った上で、探査率の目標値を高めにして学習し直してみます。