Off-Policy PGLeafは失敗

　色々試してみたんですが、5五将棋では上手く行きませんでした。

　んで、学習ルーチンの改良は後回しにして、電王トーナメント＆UEC杯5五将棋大会に向けて準備中。

　多数決合議で対局するルーチンをちゃんと実装して、合議の票数ベースで思考時間制御をする所まで作り込みたいですね。

　ま、後1ヶ月ありますし大丈夫でしょう、多分。