今後の方針

　まずは二駒の絶対位置関係の評価を実装して、それで方策勾配法（PGLeaf）を使って学習させる。

　んで、それと並行してバックアッププランとしてDeep Learningの評価関数を実装。こっちをTDLeaf(λ)で学習させる予定。

　最終的に、強かった方を選手権に出すって方針で。

　ただ、強化学習＋ニューラルネットって構成は鬼門らしいんで、ちゃんと動くかちと不安。まぁ、どっちか一つちゃんと動けば良いから、両方共頑張ってみよう。