政策和价值功能

定义策略和值函数表示，如深度神经网络和Q表

强化学习策略是一种映射，它根据对环境的观察选择要采取的行动。在训练期间，代理调整其政策代表的参数，以使长期回报最大化。

强化学习工具箱™软件为参与者和评论家的表示提供对象。行动者代表选择最佳行动的策略。评论家是估计当前政策价值的价值函数。根据您的应用程序和选择的代理，您可以使用深度神经网络、线性基函数或查找表定义策略函数和值函数。有关更多信息，请参见创建策略和值函数表示．

功能

`rlValueRepresentation`	强化学习主体的价值函数批评表示
`rlQValueRepresentation`	强化学习主体的q值函数批评表示
`rlDeterministicActorRepresentation`	强化学习主体的确定性行为人表示
`rlStochasticActorRepresentation`	强化学习智能体的随机行动者表示
`rlRepresentationOptions`	强化学习主体表示(批评者和参与者)的选项集
`rlTable`	值表或Q表

`getAction`	在给定的环境观测中，从agent或actor表示中获得动作
`getValue`	获得估计值函数表示
`getMaxQValue`	获得了离散作用空间下q值函数表示的最大状态值函数估计

使用函数逼近器(如深度神经网络)指定策略和值函数表示。

您可以使用ONNX™模型格式从其他深度学习框架导入现有策略。

下载电子书