代理从其经验中学习之前与环境交互的步数，指定为正整数。

的ExperienceHorizon值必须大于或等于MiniBatchSize价值。

用于每个学习周期的小批处理大小，指定为正整数。当智能体使用循环神经网络时，MiniBatchSize作为训练轨迹长度。

的MiniBatchSize值必须小于或等于ExperienceHorizon价值。

用于限制每个策略更新步骤中的更改的剪辑因子，指定为小于的正标量1．

熵损失权重，指定为之间的标量值0而且1．较高的熵损失权重值通过对过于确定要采取的行动施加惩罚来促进智能体的探索。这样做可以帮助代理移出局部最优。

当在训练过程中计算梯度时，计算一个额外的梯度分量以最小化这个损失函数。有关更多信息，请参见熵损失．

演员和评论家网络从当前经验集中学习的时代数，指定为正整数。

估算优势值的方法，指定为下列之一:

有关这些方法的更多信息，请参阅中的训练算法信息近端策略优化代理．

用于广义优势估计器的平滑因子，指定为之间的标量值0而且1、包容。此选项仅适用于AdvantageEstimateMethod选择是“gae”

将优势函数值归一化的方法，指定为下列之一:

在某些环境中，可以通过在训练过程中标准化优势函数来提高智能体的性能。代理通过减去平均优势值并按标准偏差缩放来归一化优势函数。

将优势函数值归一化的窗口大小，指定为正整数。时使用此选项NormalizedAdvantageMethod选择是“移动”．

对象优化器选项，指定为rlOptimizerOptions对象。它允许您指定角色逼近器的训练参数，如学习率、梯度阈值，以及优化器算法及其参数。有关更多信息，请参见rlOptimizerOptions而且rlOptimizer．

评论家优化器选项，指定为rlOptimizerOptions对象。它允许您指定临界逼近器的训练参数，如学习率，梯度阈值，以及优化器算法及其参数。有关更多信息，请参见rlOptimizerOptions而且rlOptimizer．

试剂的取样时间，指定为正标量或－1．将此参数设置为－1允许基于事件的模拟。

在Simulink金宝app中^®环境中,RL代理块，在其中指定代理执行每个SampleTime秒模拟时间。如果SampleTime是－1，块从它的父子系统继承采样时间。

在MATLAB中^®环境时，每当环境前进时执行代理。在这种情况下，SampleTime输出经验中连续元素之间的时间间隔是否由返回sim卡或火车．如果SampleTime是－1，返回的输出体验中连续元素之间的时间间隔反映了触发代理执行的事件的时间。

折扣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。