なんか、バグっぽい

　4x4リバーシをPGLeafで学習させながら、完全読みプレイヤー相手の対局結果をログに出してみました。

　んで、1エージェントの場合は先手・後手共に対局結果が最善（後手8石差勝ち）になるのですが1エージェントの場合でも、10エージェントや100エージェントの平均でも後手の学習結果が最善の値に収束しません（平均で後手2石差勝ち）。

　// ↑ 21:15訂正 1エージェントでも正常に収束しませんでした。

　つー訳で、学習ルーチンのバグって可能性が出て来たんで、いっぺんミッチリと調査してみます。