今後の方針について検討中

　方策勾配法でパラメータ数が多い場合に学習出来ないとすると、それじゃぁその次はどうするんだって話です。

　んで、今はざっと二つ案があります。

1. 頑張って方策勾配法で何とかする。
2. TDLeaf(λ)やTreeStrap(αβ)に戻る。

　出来れば前者で何かしたいけど、現状では何も案無し。厳しいっす。