強化学習:カートポール
勾配と報酬の記録
得られた勾配は、ゲームの全ステップ(内側のforループ)でいったん記録する。
そして1ゲームの終了後、外側のforループで、ゲームごとに記録する。
報酬は、ゲームの全ステップでゲームがつづいている間は配列に1を追加しゲームが終わると0を追加する、という方法で組み込む。
そして1ゲームの終了後、外側のforループで、総合計を計算し、記録する。
: