主要内容

创建Simul金宝appink环境和培训代理

这个示例使用:

打开生活的脚本

这个例子演示了如何在watertank金宝appSimulink®模型的一个强化学习深度确定性策略梯度(DDPG) agent。在MATLAB®中训练DDPG代理的示例，请参见培训DDPG Agent控制双积分系统．

水箱模型

本例的原始模型是水箱模型。目标是控制水箱中的水的水平。有关水箱型号的更多信息，请参见watertank仿金宝app真软件模型(金宝app仿真软件控制设计)．

修改原型号，修改如下:

  1. 删除PID控制器。

  2. 插入RL Agent块。

  3. 连接观测向量 ( ∫ e dt e h ］ T ,在那里 h 是水箱的高度， e ＝ r - h , r 为参考高度。

  4. 设置奖励 奖励 ＝ 10 （ | e | < 0 ． 1 ） - 1 （ | e | ≥ 0 ． 1 ） - One hundred. （ h ≤ 0 | | h ≥ 20. ） ．

  5. 配置终止信号，使模拟停止如果 h ≤ 0 或 h ≥ 20. ．

得到的模型是rlwatertank.slx．有关此模型和更改的更多信息，请参见创建Simul金宝appink强化学习环境．

open_system (“rlwatertank”）

创建环境接口

创建环境模型包括定义以下内容:

定义观察规范obsInfo和行为规范actInfo．

obsInfo = rlNumericSpec([3 1]，．..“LowerLimit”，[-inf -inf 0]'，．..“UpperLimit”，[inf inf inf]');obsInfo。Name =“观察”；obsInfo。描述=“综合误差、误差和测量高度”；numObservations = obsInfo.Dimension (1);actInfo = rlNumericSpec([1 1]);actInfo。Name =“流”；numActions = actInfo.Dimension (1);

构建环境接口对象。

env = rl金宝appSimulinkEnv (“rlwatertank”，“rlwatertank / RL代理”，．..obsInfo actInfo);

设置一个自定义重置函数，随机化模型的参考值。

env。ResetFcn = @(在)localResetFcn(的);

指定模拟时间特遣部队以及样本时间Ts在几秒钟内。

t = 1.0;Tf = 200;

修复随机生成器种子的再现性。

rng (0)

创建DDPG代理

给定观察和行动，DDPG代理使用批判价值函数表示近似长期奖励。要创建批评家，首先要创建一个深度神经网络，它有两个输入，一个是观察和行动，一个是输出。有关创建深度神经网络值函数表示的更多信息，请参见创建策略和价值功能表示．

statePath = [featureInputLayer(numObservations，“归一化”，“没有”，“名字”，“状态”) fullyConnectedLayer (50,“名字”，“CriticStateFC1”) reluLayer (“名字”，“CriticRelu1”) fullyConnectedLayer (25,“名字”，“CriticStateFC2”));actionPath = [featureInputLayer(numActions，“归一化”，“没有”，“名字”，“行动”) fullyConnectedLayer (25,“名字”，“CriticActionFC1”));commonPath =[附加路径]“名字”，“添加”) reluLayer (“名字”，“CriticCommonRelu”) fullyConnectedLayer (1,“名字”，“CriticOutput”));criticNetwork = layerGraph ();criticNetwork = addLayers (criticNetwork statePath);criticNetwork = addLayers (criticNetwork actionPath);criticNetwork = addLayers (criticNetwork commonPath);criticNetwork = connectLayers (criticNetwork,“CriticStateFC2”，“添加/三机一体”）;criticNetwork = connectLayers (criticNetwork,“CriticActionFC1”，“添加/ in2”）;

查看critical网络配置。

图绘制(criticNetwork)

图中包含一个轴对象。axis对象包含一个graphplot类型的对象。

为使用的批评家表示指定选项rlRepresentationOptions．

criticOpts = rlRepresentationOptions (“LearnRate”1 e 03“GradientThreshold”1);

使用指定的深度神经网络和选项创建批评家表示。您还必须为评论家指定操作和观察规范，这是从环境接口获得的。有关更多信息，请参见rlQValueRepresentation．

评论家= rlQValueRepresentation (criticNetwork obsInfo actInfo,“观察”, {“状态”}，“行动”, {“行动”}, criticOpts);

根据观察结果，DDPG代理使用参与者表示来决定采取什么行动。要创建参与者，首先创建一个深度神经网络，有一个输入，一个观察，和一个输出，一个动作。

以与评论家相似的方式构造行动者。有关更多信息，请参见rlDeterministicActorRepresentation．

actorNetwork = [featureInputLayer(numobobservations，“归一化”，“没有”，“名字”，“状态”) fullyConnectedLayer (3“名字”，“actorFC”) tanhLayer (“名字”，“actorTanh”) fullyConnectedLayer (numActions“名字”，“行动”));actorOptions = rlRepresentationOptions (“LearnRate”1 e-04“GradientThreshold”1);演员= rlDeterministicActorRepresentation (actorNetwork obsInfo actInfo,“观察”, {“状态”}，“行动”, {“行动”}, actorOptions);

要创建DDPG代理，首先使用rlDDPGAgentOptions．

agentOpts = rlDDPGAgentOptions (．..“SampleTime”Ts,．..“TargetSmoothFactor”1 e - 3,．..“DiscountFactor”, 1.0,．..“MiniBatchSize”, 64,．..“ExperienceBufferLength”1 e6);agentOpts.NoiseOptions.Variance = 0.3;agentOpts.NoiseOptions.VarianceDecayRate = 1 e-5;

然后，使用指定的参与者表示、评论家表示和代理选项创建DDPG代理。有关更多信息，请参见rlDDPGAgent．

代理= rlDDPGAgent(演员、评论家、agentOpts);

火车代理

要培训代理，首先指定培训选项。对于本例，使用以下选项:

  • 每次训练最多跑一次5000集。指定每一集最多持续时间装天花板(Tf / Ts)(即200)时间的步骤。

  • 在“插曲管理器”对话框中显示培训进度(设置情节选项)，并禁用命令行显示(设置详细的选项假)．

  • 停止训练时，代理收到的平均累积奖励大于800在20.连续集。此时，药剂可以控制水箱内的水位。

有关更多信息，请参见rlTrainingOptions．

maxepisodes = 5000;maxsteps =装天花板(Tf / Ts);trainOpts = rlTrainingOptions (．..“MaxEpisodes”maxepisodes,．..“MaxStepsPerEpisode”maxsteps,．..“ScoreAveragingWindowLength”, 20岁,．..“详细”假的,．..“阴谋”，“训练进步”，．..“StopTrainingCriteria”，“AverageReward”，．..“StopTrainingValue”, 800);

训练代理人使用火车函数。培训是一个计算密集型的过程，需要几分钟才能完成。为了节省运行此示例的时间，请通过设置加载预先训练过的代理doTraining来假．自己训练代理人，设置doTraining来真正的．

doTraining = false;如果doTraining培训代理商。trainingStats =火车(代理,env, trainOpts);其他的%加载示例的预训练代理。负载(“WaterTankDDPG.mat”，“代理”）结束

验证培训代理

通过仿真验证了该模型的有效性。

simOpts = rlSimulationOptions (“MaxSteps”maxsteps,“StopOnError”，“上”）;经验= sim (env,代理,simOpts);

本地函数

函数= localResetFcn(中)%随机化参考信号黑色= sprintf (“rlwatertank /期望\ nWater级别”）;H = 3*randn + 10;而H <= 0 || >= 20 H = 3*randn + 10;结束在= setBlockParameter(黑色,“价值”num2str (h));%随机化初始高度H = 3*randn + 10;而H <= 0 || >= 20 H = 3*randn + 10;结束黑色=“rlwatertank /水箱系统/ H”；在= setBlockParameter(黑色,“InitialCondition”num2str (h));结束

另请参阅

相关的话题

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