主要内容

rlDeterministicActorRepresentation

(不推荐)强化学习代理的确定性行动者表示

全部展开页面

rlDeterministicActorRepresentation不推荐使用。使用rlContinuousDeterministicActor代替。有关更多信息，请参见不推荐使用rlDeterministicActorRepresentation。

描述

这个对象实现了一个函数逼近器，作为一个确定性的参与者在一个具有连续行动的空间。确定性参与者将观察结果作为输入，并将最大化预期累积长期回报的行为作为输出返回，从而实现确定性策略。创建一个rlDeterministicActorRepresentation对象，使用它来创建合适的代理，例如rlDDPGAgent代理。有关创建表示的详细信息，请参见创建策略和价值功能。

创建

语法

actor = rlDeterministicActorRepresentation(net,observationInfo,actionInfo，'Observation'，obsName，'Action'，actName)
actor = rlDeterministicActorRepresentation({basisFcn,W0}，observationInfo,actionInfo)
actor = rlDeterministicActorRepresentation()＿＿＿选项)

描述

例子

演员= rlDeterministicActorRepresentation (网，observationInfo，actionInfo“观察”,obsName“行动”,actName）使用深度神经网络创建一个确定性参与者网作为估计值。此语法设置ObservationInfo和ActionInfo的属性演员到输入端observationInfo和actionInfo，分别包含观察和操作的说明。actionInfo必须指定连续动作空间，不支持离散动作空间。金宝appobsName必须包含的输入层的名称网它们与观测规范相关联。动作名称actName必须是输出层的名称网与操作规范相关联的。

例子

演员= rlDeterministicActorRepresentation ({basisFcn，W0}，observationInfo，actionInfo）使用自定义基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到一个自定义基函数，并且第二个元素包含初始权重矩阵W0。此语法设置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。此语法设置选项的属性演员到选项输入参数。您可以将此语法用于任何前面的输入-参数组合。

输入参数

全部展开

深度神经网络用作actor内的底层逼近器，指定为以下之一:

网络输入层必须与中定义的信号具有相同的顺序和相同的数据类型和维度ObservationInfo。此外，这些输入层的名称必须与中列出的观测名称相匹配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度ActionInfo。中指定的操作名称actName。

rlDeterministicActorRepresentation对象支持循环深度金宝app神经网络。

有关深度神经网络层的列表，请参见深度学习层列表。有关为强化学习创建深度神经网络的更多信息，请参见创建策略和价值功能。

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

例子:{' my_obs '}

动作名称，指定为包含字符向量的单元素单元数组。的输出层的名称网。

例子:{' my_act '}

自定义基函数，指定为自定义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。基于当前观察(即参与者的输出)要采取的操作是向量a = W'*B,在那里W权矩阵是否包含可学习的参数和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，基函数必须具有以下签名。

B = myBasisFunction(obs1,obs2，…，obsN)

在这里obs1来obsN观察结果是否与中定义的信号具有相同的顺序和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)))

基函数权值的初始值，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，列数与动作空间的维数相同。

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训练的优化器和学习率。

观察规范，指定为rlFiniteSetSpec或rlNumericSpec对象或此类对象的数组。这些对象定义了观测信号的维度、数据类型和名称等属性。

rlDeterministicActorRepresentation设置ObservationInfo的属性演员输入observationInfo。

你可以提取ObservationInfo从现有的环境或代理使用getObservationInfo。您还可以手动构造规范。

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。确定性参与者表示不支持离散操作。金宝app

rlDeterministicActorRepresentation设置ActionInfo的属性演员输入observationInfo。

你可以提取ActionInfo从现有的环境或代理使用getActionInfo。您也可以手动构造规范。

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代理
rlTD3Agent 双延迟深度确定性策略梯度强化学习代理
getAction 从给定环境观察的agent或actor处获取动作

例子

全部折叠

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，使单个观测是包含四个双精度的列向量。

obsInfo = rlNumericSpec([41]);

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

actInfo = rlNumericSpec([21]);

为actor创建一个深度神经网络近似器。网络的输入(这里称为myobs)必须接受一个四元素向量(观察向量刚刚定义为obsInfo)，其输出必须是动作(这里称为myact)，是一个双元素向量，定义为actInfo。

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

创建批评家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。

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

要检查actor，请使用getAction使用当前网络权重，从随机观察返回动作。

act = getAction(actor，{rand(4,1)});行为{1}
ans =2x1单列向量-0.5054 - 1.5390

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

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，使单个观测为包含3个双精度的列向量。

obsInfo = rlNumericSpec([31]);

确定性参与者不支持离散的动作空间。金宝app因此，创建一个连续作用空间指定对象(或替代使用getActionInfo从环境中提取规范对象)。对于本例，将动作空间定义为连续的二维空间，因此单个动作是包含2个双精度体的列向量。

actInfo = rlNumericSpec([21]);

创建自定义基函数。每个元素都是由定义的观测值的函数obsInfo。

myBasisFcn = @(myobs) [myobs(2)^2;myobs (1);2 * myobs (2) + myobs (1);-myobs (3))
myBasisFcn =Function_handle with value:@ (myobs) [myobs (2) ^ 2; myobs (1), 2 * myobs (2) + myobs (1); -myobs (3))

参与者的输出是向量W ' * myBasisFcn (myobs)，即根据给定的观察结果而采取的行动。权矩阵W包含可学习的参数，并且必须具有与基函数输出长度相同的行数和与动作空间维数相同的列数。

定义一个初始参数矩阵。

W0 = rand(4,2);

创建角色。第一个参数是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。

actor = rlDeterministicActorRepresentation({myBasisFcn,W0}，obsInfo,actInfo)
actor = rlDeterministicActorRepresentation with properties: ActionInfo: [1x1 rl.util.]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测返回动作。

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

现在可以使用actor(以及评论家)来创建合适的连续动作空间代理。

创建观察和行动信息。您也可以从环境中获取这些规格。

obsinfo = rlNumericSpec([41]);actinfo = rlNumericSpec([21]);numObs = obsinfo.Dimension(1);numAct = actinfo.Dimension(1);

为行动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，并至少包括一个lstmLayer。

net = [sequenceInputLayer(nummobs，“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);actor = rlDeterministicActorRepresentation(net,obsinfo,actinfo，…“观察”，{“状态”}，“行动”，{“tanh1”}）;

版本历史

在R2020a中引入

全部展开

不建议从R2022a开始

另请参阅

功能

主题