噪声模型选项,指定为一个OrnsteinUhlenbeckActionNoise对象。关于噪声模型的更多信息,请参阅噪声模型。

代理与多个操作,如果操作有不同的范围和单位,每个操作可能需要不同的噪声模型参数。如果有类似的行为范围和单位,你可以设置噪声参数为所有操作相同的值。

例如,代理的两个动作,每个动作到另一个值的标准偏差时使用相同的衰变率两个标准差。

选择= rlDDPGAgentOptions;opt.NoiseOptions。StandardDeviation= [0.1 0.2]; opt.NoiseOptions.StandardDeviationDecayRate = 1e-4;

平滑系数为目标的演员和评论家更新,指定为一个积极的标量小于或等于1。有关更多信息,请参见目标更新方法。

许多步骤之间目标的演员和评论家更新,指定为一个正整数。有关更多信息,请参见目标更新方法。

选择清除缓冲区之前培训经验,指定为一个逻辑值。

选择保存经验缓冲区数据保存剂时,指定为一个逻辑值。这个选项适用于保存候选代理人在训练时和在保存代理使用保存函数。

对于一些代理,如有大量经验缓冲区和基于图像的观察,拯救他们的经验缓冲所需的内存很大。在这种情况下,缓冲区数据不保存经验,集SaveExperienceBufferWithAgent来假。

如果你计划进一步训练你的保存剂,你可以开始训练与经验缓冲区作为起点。在这种情况下,集SaveExperienceBufferWithAgent来真正的。

最大batch-training轨迹长度使用递归神经网络时,指定为一个正整数。这个值必须大于1当使用递归神经网络1否则。

大小的随机mini-batch经验,指定为一个正整数。在每次训练集,代理经验的随机样本经验缓冲区时计算梯度更新评论家属性。大型mini-batches减少方差计算梯度但增加计算工作量。

使用未来的奖励数量估计的值政策,指定为一个正整数。有关更多信息,请参见[1],第7章。

注意,如果启用了并行训练(也就是说如果一个rlTrainingOptions选择的对象UseParallel属性设置为真正的传递给火车),那么NumStepsToLookAhead必须设置为1,否则会生成一个错误。这可以保证连续存储的经历。

。

体验缓冲区大小,指定为一个正整数。在培训期间,代理计算更新使用mini-batch经历随机取样的缓冲区。

指定的代理,样品时间作为一个积极的标量。

在一个模型金宝app^®环境中,代理执行每一个SampleTime秒的仿真时间。

在MATLAB^®环境中,代理执行每一次进步的环境。然而,SampleTime之间的时间间隔连续元素返回的输出的经验吗sim卡或火车。

折现系数应用于未来的回报在训练,指定为一个积极的标量小于或等于1。