方策勾配法での学習再開

　パラメータ設定がおかしいって可能性があるんで、二点変更して学習させてみます。

1. ランダムオープニング*1を無効に
2. 学習率を一桁下げて0.0001に

　前者は効果が不明なので外しました。後者は、学習後のパラメータが変に大きくなってる感じなんで、それ対策で。

　他はこれまでと同じで、ソフトマックス方策＋線形評価関数＋静止探索4手。

　とりあえず、これで数日様子を見ます。

*1:自己対戦学習時に、対局開始から数手はランダムに指す