噪声模型选项，指定为GaussianActionNoise对象或一个OrnsteinUhlenbeckActionNoise对象。有关噪声模型的更多信息，请参阅噪声模型．

对于具有多个动作的agent，如果动作的范围和单位不同，那么每个动作可能需要不同的噪声模型参数。如果动作有相似的范围和单位，可以将所有动作的噪声参数设置为相同的值。

例如，对于具有两个操作的代理，将每个操作的标准偏差设置为不同的值，同时对两个标准偏差使用相同的衰减率。

选择= rlTD3AgentOptions;opt.ExplorationModel.StandardDeviation = [0.1 0.2]。opt.ExplorationModel.StandardDeviationDecayRate = 1E-4;

目标平滑噪声模型选项，指定为GaussianActionNoise对象。这种模式有助于政策开发具有高Q值的估计动作。有关噪声模型的更多信息，请参阅噪声模型．

对于具有多个动作的agent，如果动作具有不同的范围和单元，则每个动作可能需要不同的平滑噪声模型参数。如果动作有相似的范围和单位，可以将所有动作的噪声参数设置为相同的值。

例如，对于具有两个操作的代理，将每个操作的标准偏差设置为不同的值，同时对两个标准偏差使用相同的衰减率。

选择= rlTD3AgentOptions;opt. targetpolicymoothmodel . standarddeviation = [0.1 0.2];opt.TargetPolicySmoothModel.StandardDeviationDecayRate = 1的军医;

策略更新之间的步骤数，指定为正整数。

平滑因子为目标的演员和评论家更新，指定为正标量小于或等于1的更多信息，请参见目标更新方法．

目标参与者和评论家更新之间的步骤数，指定为正整数。有关更多信息，请参见目标更新方法．

选项清除训练前的经验缓冲，指定为逻辑值。

选项用于保存剂，指定为逻辑值时保存缓冲器中的数据的体验。该选项在训练中都适用保存时，候选药物和节约试剂时使用节省功能。

对于一些代理，例如那些具有较大的经验缓冲区和基于图像的观察的代理，保存它们的经验缓冲区所需的内存很大。在这种情况下，为了不保存经验缓冲区数据，设置SaveExperienceBufferWithAgent来错误的．

如果您计划进一步培训所保存的代理，可以从以前的经验缓冲区作为起点开始培训。在本例中，setSaveExperienceBufferWithAgent来真正的．

使用递归神经网络时的最大批量训练轨迹长度，指定为正整数。该值必须大于1当使用递归神经网络和1除此以外。

随机经验小批的大小，指定为一个正整数。在每个训练集中，agent在计算梯度时从经验缓冲区中随机采样经验，以更新临界属性。大的小批量在计算梯度时减少了方差，但增加了计算工作量。

用于估计策略价值的未来奖励数量，指定为正整数。请参阅[1](第7章)了解更多细节。

用于估计策略价值的未来奖励数量，指定为正整数。有关详细信息，请参见[1]的第7章。

经验缓冲区大小，指定为一个正整数。在培训过程中，代理使用小批量从缓冲随机抽样的经验计算的更新。

试剂的采样时间，指定为正标量。

在一个模型金宝app^®环境，代理被执行每采样时间仿真时间秒。

在MATLAB^®环境中，每当环境进步时，代理就会被执行。然而,采样时间返回的输出经验中连续元素之间的时间间隔是多少SIM卡或火车．

贴现因子应用于培训期间的未来奖励，指定为小于或等于1的正标量。