PGMC（仮称）、9割がた実装完了

　後は強化学習エージェントとしての雑多なメソッドを実装すれば完了。今日中には出来るでしょう。

　んで、ざっくり見てみた感じ、原始モンテカルロの割には「それらしい」手を選択出来ている模様。

　とりあえず、今夜はアサーション有効・無効の2バージョンを並行して走らせておいて、メタパラメータ*1の調整は明日以降かな。

*1:学習率とか温度とか