选择epsilon-greedy探索,指定为一个EpsilonGreedyExploration具有以下属性的对象。

在每个培训时间步,如果ε大于EpsilonMin更新,那么使用以下公式。

ε=ε* (1-EpsilonDecay)

如果你的代理在当地最适条件收敛过快,可以促进剂探索通过增加ε。

指定选项,探索创建后使用点符号rlQAgentOptions对象选择。例如,设置ε值0.9。

opt.EpsilonGreedyExploration。ε= 0.9;

评论家优化选项,指定为一个rlOptimizerOptions对象。它允许您指定训练参数的评论家接近者,如学习速率梯度阈值,以及优化算法及其参数。有关更多信息,请参见rlOptimizerOptions和rlOptimizer。

样本代理的时候,作为一个积极的标量或指定1。设置这个参数1支持基于事件的模拟。

在一个模型金宝app^®环境中,RL代理块中执行每一个指定的代理SampleTime秒的仿真时间。如果SampleTime是1块继承了样本时间从母公司子系统。

在MATLAB^®环境中,代理执行每一次进步的环境。在这种情况下,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。如果SampleTime是1之间的时间间隔连续元素返回的输出经验反映了事件触发代理执行的时机。

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。