報酬の計算式をいじる

　一晩学習させたんですが、入玉率が低いままなので失敗でした。

　で、昨日書いた報酬の設定から、更に終局時に敵陣にいる駒・持ち駒の数に応じてボーナスを加算する様にしてみました。

　「入玉出来なかったけど惜しかったね」と教えてやれば、次からはもっと入玉狙いにならないかとの思惑です。

　んで、パラメータが2個あるんで、シングルスレッド学習を8種類のパラメータで並行して走らせてみます。とりあえず一晩学習させて、様子見ですね。