强化学习主体的确定性行为体表示
该对象实现了一个函数近似器,用于在具有连续行动的空间。确定性参与者将观察结果作为输入,将返回结果作为输出,从而实现预期累积长期回报的最大化,从而实现确定性策略。在创建rlDeterministicActorRepresentation
对象,使用它创建合适的代理,例如rlDDPGAgent
代理。有关创建表示的更多信息,请参见创建策略和价值功能表示.
使用深度神经网络创建确定性参与者演员
= rlDeterministicActorRepresentation (净
,observationInfo
,actionInfo
“观察”,obsName
“行动”,actName
)净
作为估计值。该语法设置ObservationInfo和ActionInfo的属性演员
的输入observationInfo
和actionInfo
,分别包含观察和行动的规范。actionInfo
必须指定连续操作空间,不支持离散操作空间。金宝appobsName
的输入层的名称净
与观察规范相关的。动作名称actName
的输出层的名称必须是净
与操作规范相关联的。
使用自定义基础函数作为底层近似器创建确定性参与者。第一个输入参数是一个包含两个元素的单元格,其中第一个元素包含句柄演员
= rlDeterministicActorRepresentation ({basisFcn
,W0
},observationInfo
,actionInfo
)basisFcn
为自定义基函数,第二个元素包含初始权矩阵W0
.该语法设置ObservationInfo和ActionInfo的属性演员
分别对应于输入observationInfo
和actionInfo
.
使用附加选项集创建确定性参与者演员
= rlDeterministicActorRepresentation (___,选项
)选项
,这是一个rlRepresentationOptions
对象。该语法设置选项的属性演员
到选项
输入参数。您可以将此语法与前面的任何输入参数组合一起使用。
rlDDPGAgent |
深度确定性策略梯度强化学习主体 |
rlTD3Agent |
双延迟深度确定性策略梯度强化学习主体 |
getAction |
根据环境观察,从行为者或行动者的表现中获得行动 |