主要内容

rlDeterministicActorRepresentation

强化学习主体的确定性行为体表示

全部展开页面

描述

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．

创建

语法

演员= rlDeterministicActorRepresentation(净、observationInfo actionInfo,“观察”,obsName,‘行动’,actName)
演员= rlDeterministicActorRepresentation ({basisFcn, W0}, observationInfo actionInfo)
演员= rlDeterministicActorRepresentation (＿＿＿选项)

描述

例子

演员= rlDeterministicActorRepresentation (净，observationInfo，actionInfo“观察”,obsName“行动”,actName）使用深度神经网络创建确定性参与者净作为估计值。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。

例子

演员= rlDeterministicActorRepresentation ({basisFcn，W0}，observationInfo，actionInfo）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．

演员= rlDeterministicActorRepresentation (＿＿＿，选项）使用附加选项集创建确定性参与者选项，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。

输入参数

全部展开

深度神经网络用作行动者内部的底层近似器，指定为以下其中之一:

网络输入层必须与中定义的信号具有相同的顺序、相同的数据类型和维数ObservationInfo．此外，这些输入层的名称必须与中列出的观察名称相匹配obsName．

网络输出层必须具有与中定义的信号相同的数据类型和维数ActionInfo．它的名称必须是actName．

rlDeterministicActorRepresentation对象支持递归深度金宝app神经网络。

有关深层神经网络层的列表，请参见深度学习层列表．有关创建用于强化学习的深度神经网络的更多信息，请参见创建策略和价值功能表示．

观察名称，指定为字符串或字符向量的单元格数组。观察名称必须是输入层的名称净．

例子:{' my_obs '}

操作名称，指定为包含字符向量的单元素单元格数组。的输出层的名称净．

例子:{' my_act '}

自定义基函数，指定为用户定义的MATLAB函数的函数句柄。用户定义的函数可以是匿名函数，也可以是MATLAB路径上的函数。基于当前观测的动作，也就是参与者的输出，就是向量= W ' * B,在那里W权值矩阵是否包含可学习参数和B是自定义基函数返回的列向量。

在创建确定性参与者表示时，您的基本函数必须具有以下签名。

B = myBasisFunction (obsN obs1, obs2,…)

在这里obs1来obsN观测是否与中定义的信号具有相同的顺序、相同的数据类型和维度observationInfo

例子:@ (obs1 obs2 obs3) [obs3 (2) * obs1 (1) ^ 2;abs (obs2 (5) + obs3 (1)))

基函数权值的初值，W，指定为一个矩阵，其行数与基函数返回的向量的长度相同，列数与操作空间的维数相同。

属性

全部展开

表示选项，指定为rlRepresentationOptions对象。可用的选项包括用于培训的优化器和学习率。

观察规范，指定为rlFiniteSetSpec或rlNumericSpec对象或此类对象的数组。这些对象定义了一些属性，比如维度、数据类型和观察信号的名称。

rlDeterministicActorRepresentation设置ObservationInfo的属性演员输入observationInfo．

您可以提取ObservationInfo从现有环境或代理使用getObservationInfo．您还可以手工构造规范。

连续动作空间的动作规范，指定为rlNumericSpec对象定义属性，如维度、数据类型和动作信号的名称。确定性的行动者表示不支持离散的动作。金宝app

rlDeterministicActorRepresentation设置ActionInfo的属性演员输入observationInfo．

您可以提取ActionInfo从现有环境或代理使用getActionInfo．您也可以手工构造规范。

对于自定义基函数表示，动作信号必须是标量、列向量或离散动作。

对象的功能

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

例子

全部折叠

打开生活的脚本

创建一个观察规范对象(或者使用getObservationInfo从环境中提取规范对象)。对于本例，将观测空间定义为连续的四维空间，这样一个观测就是包含四个双精度的列向量。

obsInfo = rlNumericSpec([4 1]);

创建一个动作规范对象(或者使用getActionInfo从环境中提取规范对象)。对于本例，将操作空间定义为连续的二维空间，因此单个操作是包含两个double的列向量。

actInfo = rlNumericSpec([2 1]);

为参与者创建一个深度神经网络近似器。网络的输入(这里称为myobs)必须接受四个元素的向量(观测向量刚刚定义obsInfo)，其输出必须是动作(这里称为myact)，为二元素向量，定义为actInfo．

网= [featureInputLayer (4“归一化”，“没有”，“名字”，“myobs”) fullyConnectedLayer (2“名字”，“myact”));

创造批评家rlQValueRepresentation，使用网络，观察和动作规范对象，以及网络输入和输出层的名称。

演员= rlDeterministicActorRepresentation(净、obsInfo actInfo,．..“观察”, {“myobs”}，“行动”, {“myact”}）
actor = rlDeterministicActorRepresentation with properties:rlNumericSpec . ObservationInfo: [1x1 rl.util.]rlNumericSpec] Options: [1x1 rl.option.rlRepresentationOptions]

要检查你的演员，使用getAction使用当前网络权值从随机观察返回动作。

行动= getAction(演员,{兰德(4,1)});行为{1}
ans =2x1单列向量-0.5054 - 1.5390

现在可以使用actor创建合适的代理(例如rlACAgent，rlPGAgent,或rlDDPGAgent代理)。

打开生活的脚本

创建一个观察规范对象(或者使用getObservationInfo从环境中提取规范对象)。在本例中，将观测空间定义为连续的四维空间，使单个观测是包含3个双精度的列向量。

obsInfo = rlNumericSpec([3 1]);

确定性行动者不支持离散的动作空间。金宝app因此,创建一个持续的行动空间说明对象(或替代使用getActionInfo从环境中提取规范对象)。对于本例，将操作空间定义为连续的二维空间，因此单个操作是包含2个double的列向量。

actInfo = rlNumericSpec([2 1]);

创建一个自定义基函数。每个元素都是由定义的观测值的函数obsInfo．

myobs = @(myobs) [myobs(2)^2;myobs (1);2 * myobs (2) + myobs (1);-myobs (3))
myBasisFcn =function_handle与价值:@ (myobs) [myobs (2) ^ 2; myobs (1), 2 * myobs (2) + myobs (1); -myobs (3))

行动者的输出是向量W ' * myBasisFcn (myobs)，即根据给定的观察结果而采取的行动。权重矩阵W包含可学习参数，并且必须具有与基函数输出长度相同的行数和与操作空间维度相同的列数。

定义一个初始参数矩阵。

W0 =兰德(4,2);

创建一个演员。第一个参数是一个包含自定义函数句柄和初始权重矩阵的双元素单元格。第二个和第三个参数分别是观察和操作规范对象。

演员= rlDeterministicActorRepresentation ({myBasisFcn, W0}, obsInfo actInfo)
actor = rlDeterministicActorRepresentation with properties:rlNumericSpec . ObservationInfo: [1x1 rl.util.]rlNumericSpec] Options: [1x1 rl.option.rlRepresentationOptions]

要检查演员，请使用getAction函数使用当前参数矩阵从给定的观察结果返回动作。

a = getAction(actor，{[1 2 3]'});一个{1}
Ans = 2x1 dlarray 2.0595 2.3788

现在可以使用actor(以及评论家)创建合适的连续动作空间代理。

打开生活的脚本

创建观察和行动信息。您还可以从环境中获取这些规范。

obsinfo = rlNumericSpec([4 1]);actinfo = rlNumericSpec([2 1]);numObs = obsinfo.Dimension (1);numAct = actinfo.Dimension (1);

为参与者创建一个循环深度神经网络。要创建递归神经网络，请使用sequenceInputLayer作为输入层，并包含至少一个lstmLayer．

网= [sequenceInputLayer numObs,“归一化”，“没有”，“名字”，“状态”) fullyConnectedLayer (10“名字”，“fc1”) reluLayer (“名字”，“relu1”) lstmLayer (8,“OutputMode”，“序列”，“名字”，“ActorLSTM”) fullyConnectedLayer (20“名字”，“CriticStateFC2”) fullyConnectedLayer (numAct“名字”，“行动”) tanhLayer (“名字”，“tanh1”));

为网络创建一个确定的参与者表示。

actorOptions = rlRepresentationOptions (“LearnRate”1 e - 3,“GradientThreshold”1);演员= rlDeterministicActorRepresentation(净、obsinfo actinfo,．..“观察”, {“状态”}，“行动”, {“tanh1”}）;

另请参阅

功能

主题

介绍了R2020a

强化学习工具箱文档

金宝app

强化学习与MATLAB和Simulink金宝app

强化学习与MATLAB和Simulink金宝app

下载电子书