rlMultiAgentTrainingOptions

代理指标分组,指定为细胞的正整数数组或单元阵列的整数数组。

例如,考虑一个训练的场景4代理。你可以在以下方面:集团代理

AgentGroups和LearningStrategy必须一起使用指定代理组织学习在一个集中的方式或分散的方式。

例子:AgentGroups = {1, 2, 3, 4]}

学习策略对每个代理集团指定为“去中心化”或“集中”。分散培训,代理收集自己的经验在情节和独立学习的经验。在集中培训、代理一起分享收集到的经验和从错误中学习。

AgentGroups和LearningStrategy必须一起使用指定代理组织学习在一个集中的方式或分散的方式。例如,您可以使用以下命令来配置培训三个代理组用不同的学习策略。的代理指标[1,2]和[3,5]在一个集中的学习方式,而代理4以分散的方式学习。

trainOpts = rlMultiAgentTrainingOptions (…AgentGroups = {[1, 2] 4 (3、5)},…LearningStrategy =[“集中式”、“分散”,“集中”))

例子:LearningStrategy = "集中"

最大数量的训练集代理、指定为一个正整数。无论终止的其他标准,培训后终止MaxEpisodes。

例子:MaxEpisodes = 1000

最大数量的步骤运行每集指定为一个正整数。一般来说,您定义事件终止条件环境。这个值是步骤运行的最大数量的事件如果其他终止条件不满足。

例子:MaxStepsPerEpisode = 1000

窗口长度平均成绩、奖励和每个代理的一些步骤,指定为一个标量或矢量。

指定一个标量应用相同的窗口长度对所有代理。为每个代理使用一个不同的窗口长度,指定ScoreAveragingWindowLength作为一个向量。在这种情况下,元素的顺序向量对应订单的代理期间使用环境的创建。

选项表示平均而言,ScoreAveragingWindowLength是集的数量包括在平均水平。例如,如果StopTrainingCriteria是“AverageReward”和StopTrainingValue是500年对于一个给定的代理之后,代理、培训结束时平均奖励中指定事件的数量ScoreAveragingWindowLength等于或超过500年。其他代理、培训持续进行直到:

例子:ScoreAveragingWindowLength = 10

训练终止条件,指定为以下字符串之一:

例子:StopTrainingCriteria = " AverageReward "

临界值的训练终止条件,指定为一个标量或矢量。

指定一个标量相同的终止准则适用于所有代理。为每个代理,使用不同的终止准则指定StopTrainingValue作为一个向量。在这种情况下,元素的顺序向量对应订单的代理期间使用环境的创建。

对于一个给定的代理、培训结束时,指定的终止条件StopTrainingCriteria选择等于或超过这个值。其他代理的培训持续进行直到:

例如,如果StopTrainingCriteria是“AverageReward”和StopTrainingValue是One hundred.对于一个给定的代理,然后代理训练终止时平均奖励中指定事件的数量ScoreAveragingWindowLength等于或超过One hundred.。

例子:StopTrainingValue = 100

条件保存代理培训期间,指定为以下字符串之一:

设置这个选项来存储候选代理人根据您所指定的标准,表现良好。当你设定这个选项以外的一个值“没有”,软件设置SaveAgentValue选择500。你可以改变这个值指定条件保存剂。

例如,假设你想等待进一步测试的任何代理收益率一集奖励,等于或超过100年。为此,集SaveAgentCriteria来“EpisodeReward”并设置SaveAgentValue选择100。当一集奖励等于或超过100年,火车在垫文件保存相应的代理在指定的文件夹中SaveAgentDirectory选择。垫文件AgentK.mat,在那里K的数量相应的事件。代理是垫文件存储在saved_agent。

例子:SaveAgentCriteria = " EpisodeReward "

临界值的条件保存代理、指定为一个标量或矢量。

指定一个标量应用相同的储蓄标准每个代理。保存剂,当一个人满足一个特定的标准,指定SaveAgentValue作为一个向量。在这种情况下,元素的顺序向量对应订单的创建环境时使用的代理。保存标准代理时,所有代理都保存在相同的垫文件。

当你指定一个条件保存候选人代理使用SaveAgentCriteria,软件将这个值设置为500。改变指定条件的值保存剂。看到SaveAgentCriteria选择更多的细节。

例子:SaveAgentValue = 100

文件夹保存代理、指定为字符串或字符向量。文件夹可以包含一个完整或相对路径名称。当一个事件发生,满足指定的条件SaveAgentCriteria和SaveAgentValue选项,保存的软件代理在垫文件在这个文件夹中。如果该文件夹不存在,火车创建它。当SaveAgentCriteria是“没有”,此选项将被忽略火车不创建一个文件夹。

例子:SaveAgentDirectory = pwd +“\ run1 \代理”

选择停止训练当一个错误发生在一集,指定为“上”或“关闭”。当这个选项“关闭”、错误捕获和返回的SimulationInfo的输出火车和培训继续下一集。

例子:StopOnError =“关闭”

在命令行选项来显示培训进展,指定为逻辑值假(0)或真正的(1)。设置为真正的写的信息从每个训练集训练期间MATLAB命令行。

例子:Verbose = true

选项来显示与事件经理培训进展,指定为“训练进步”或“没有”。默认情况下,调用火车打开了强化学习集管理器,它以图形和数字显示培训进展的信息,如每集的奖励,平均回报,集,数量和总数量的步骤。(有关更多信息,请参见火车)。关掉这显示,设置这个选项“没有”。

例子:情节= "没有"