Stable working version

First stable-ish working version of DDRQN with engineered reward,
but with state penalty (no velocity information given).

Auto-generated parameters:

• TAU : 0.001
• N_TRACE : 8
• N_X : 4
• DESCRIPTION :
• HS : [32, 64]
• LR_DECAY_STEPS : 10000000
• N_BATCH : 32
• EPS_MIN : 0.05
• EPS_ANNEAL : 2000000
• N_TEST : 200
• N_PRE : 100000
• N_MEM : 10000
• LR_MAX : 0.0001
• N_H : 64
• LR_MIN : 1e-05
• U_FREQ : 64
• EPS_DECAY : 0.999998502135
• EPS_INIT : 1.0
• N_A : 2
• GAMMA : 0.99
• N_EPOCH : inf