設定変えて学習用マシンに投入

　相変わらず方策勾配法で学習出来ないかやってます。

　んで、まだ5五将棋でsspにもTDLeaf(λ)バージョンにも追いつけてないので、思い切って設定変えたのを投入。

　評価項目を駒割＋筋・段個別の絶対位置評価＋王将の移動可能範囲（距離3まで）に変更。

　パラメータの数は大分減ったと思うので、パラメータ数が問題になっていたのならこれでOKのはず。

　それから、学習と並行して、ソースのチェックも再度してみます。まだ、どっかにバグが残ってる感じなので。