#10 (closed) の提案に基づく

---

【前提】

通常のReplayBufferでは、内部にリングバッファを用い、古いものから順番に上書きしてきた。

---

【今回】

Selective Replay Buffer では、どのエピソードをバッファ内に残すかをアルゴリズムによって決定する。（エピソード単位での管理）

• 内部バッファは、 「最大エピソード長 × 保存エピソード数」で固定
• 溢れる前に消すのでリングバッファのように回り込み処理は不要
• エピソード長が、最大エピソード長よりも短いデータも許可される