使用为该环境配置的代理模拟强化学习环境。对于本例，加载已经配置好的环境和代理。该环境是一个离散的车杆环境创建rlPredefinedEnv．代理是一个策略梯度(rlPGAgent)代理。有关本示例中使用的环境和代理的详细信息，请参见火车PG代理可以平衡车杆系统．

rng (0)%的再现性负载RLSimExample.matenv

env = CartPoleDiscreteAction with properties: Gravity: 9.8000 MassCart: 1 maspole: 0.1000 Length: 0.5000 MaxForce: 10 Ts: 0.0200 thetathresholdraites: 0.2094 XThreshold: 2.4000 RewardForNotFalling: 1 PenaltyForFalling: -5 State: [4x1 double]

代理

Agent = RLPGagent具有属性：AgentOptions：[1x1 rl.option.rlpgagentoptions]

通常情况下，您需要培训代理使用火车并模拟环境来测试训练后的agent的性能。对于本例，使用加载的代理模拟环境。配置模拟选项，指定模拟运行100步。

simOpts = rlSimulationOptions (“MaxSteps”，100）;

用于本示例中使用的预定义的车杆环境。您可以使用情节生成车杆系统的可视化。当您模拟环境时，这个情节会自动更新，以便您可以在模拟过程中观察系统的发展。

情节（env）

模拟环境。

经验= sim (env,代理simOpts)

经验=结构体字段:观察:[1x1 struct]动作:[1x1 struct]奖励:[1x1 timeseries] IsDone: [1x1 timeseries] SimulationInfo: [1x1 struct]

输出结构经验记录从环境中收集到的观察结果，行为和奖励，以及在模拟过程中收集到的其他数据。每个字段包含一个timeseries物体或结构timeseries数据对象。例如,体验。行动是一个timeseries包含了在仿真的每一步中agent对车杆系统施加的作用。

体验。行动

ans =结构体字段:cartpoleaction：[1x1倍]

模拟为示例中使用的Simulink®模型创建的环境金宝app训练多个agent执行协作任务，使用在那个例子中训练的特工。

在MATLAB®工作区中加载代理。

负载rlCollaborativeTaskAgents

创造一个环境rlCollaborativeTask金宝appSimulink®模型，其中有两个代理块。由于两个区块所使用的代理(agentA和agentB)已经在工作区中，您不需要通过它们的观察和操作规范来创建环境。

env = rl金宝appSimulinkEnv (“rlCollaborativeTask”，[“rlCollaborativeTask /代理”，“B rlCollaborativeTask /代理”]);

方法所需的参数rlCollaborativeTask金宝appSimulink®模型运行。

rlCollaborativeTaskParams

在环境中模拟代理，保存体验xpr．

xpr = sim(env，[agentA agentB]);

策划两个特工的行动。

子图（2,1,1）;绘图（XPR（1）.action.Forces）子图（2,1,2）;绘图（XPR（2）.action.Forces）