ノイズ付加探査を修正してリトライ

　以前はノイズの分散を手調整していたんですが、探査率*1を見て自動調整する様に変更。やってる事はソフトマックス方策の温度を自動調整するのと似た感じです。

　んで、ざっと走らせてみて意図した通りに動いてるみたいなんで、学習用マシンに投入します。

*1:最善手以外の手を指した率