训练代理的最大剧集数，指定为正整数。无论其他终止标准如何，培训在结束后终止MaxEpisodes．

例子:“MaxEpisodes”,1000年

每集运行的最大步骤数，指定为正整数。通常，您可以在环境中定义集终止条件。此值是在不满足其他终止条件时在情节中运行的最大步骤数。

例子:'maxstepperepisode'，1000

平均每个代理的分数、奖励和步骤数的窗口长度，指定为标量或向量。

如果培训环境包含单个代理，请指定ScoreAveragingWindowLength作为标量。

如果培训环境是一个多代理模拟金宝app^®环境中，指定标量以将相同的窗口长度应用于所有代理。

若要为每个代理使用不同的窗口长度，请指定ScoreAveragingWindowLength作为一个向量。在本例中，向量中元素的顺序与环境创建期间使用的代理的顺序相对应。

对于以平均值表示的期权，ScoreAveragingWindowLength是包含在平均值中的剧集数量。例如，如果StopTrainingCriteria是“AverageReward”,StopTrainingValue是500.对于一个给定的代理，那么对于那个代理，当平均奖励超过了在ScoreAveragingWindowLength等于或超过500.．对于其他代理人，继续培训，直至:

例子:'scoreaveragingwindowlength'，10

训练终止条件，指定为以下字符串之一：

例子:“StopTrainingCriteria”、“AverageReward”

训练终止条件的临界值，指定为标量或向量。

如果培训环境包含单个代理，请指定StopTrainingValue作为标量。

如果训练环境是多智能体Simulink环境，则指定一个标量对所有智能体应用相同的终止准则。金宝app若要为每个代理使用不同的终止条件，请指定StopTrainingValue作为一个向量。在这种情况下，矢量中的元素的顺序对应于环境创建期间使用的代理的顺序。

对于给定的agent，当指定的终止条件达到时，训练结束StopTrainingCriteria选项等于或超过此值。对于其他代理人，培训继续进行，直到:

例如，如果StopTrainingCriteria是“AverageReward”,StopTrainingValue是One hundred.对于一个给定的代理，那么对于那个代理，当平均奖励超过了在ScoreAveragingWindowLength等于或超过One hundred.．

例子:'stoptriningvalue'，100

条件，指定为以下字符串之一:

设置此选项可存储根据您指定的条件执行良好的候选代理。将此选项设置为以外的值“没有任何”，软件设置SaveAgentValue选择500。您可以更改该值以指定保存代理的条件。

例如，假设您希望存储任何生成集奖励等于或超过100的代理，以供进一步测试。为此，设置SaveAgentCriteria来“EpisodeReward”并设置了SaveAgentValue选择100。当一集奖励等于或超过100时，火车将对应的代理保存到指定文件夹中的MAT文件中SaveAgentDirectory.选择。MAT文件被调用AgentK.mat,在那里K.为对应插曲的个数。代理存储在MAT文件中为saved_agent.．

例子:“SaveAgentCriteria”、“EpisodeReward”

保存代理的条件的临界值，指定为标量或向量。

如果培训环境包含单个代理，请指定SaveAgentValue作为标量。

如果训练环境是多智能体Simulink环境，则指定一个标量对每个智能体应用相同的保存准则。金宝app要在满足特定条件时保存代理，请指定SaveAgentValue作为一个向量。在本例中，向量中元素的顺序与创建环境时使用的代理的顺序相对应。当满足保存代理的条件时，所有代理将保存在同一个MAT文件中。

当您指定保存候选代理的条件时SaveAgentCriteria时，软件将此值设置为500。更改该值以指定保存代理的条件。看到SaveAgentCriteria选择了解更多细节。

例子:'SaveAgentValue'，100

保存的代理程序的文件夹，指定为字符串或字符向量。文件夹名称可以包含完整路径或相对路径。当事件发生时，满足条件SaveAgentCriteria和SaveAgentValue选项时，该软件将代理保存在此文件夹中的MAT文件中。如果该文件夹不存在，火车创建它。当SaveAgentCriteria是“没有任何”，此选项将被忽略火车不创建文件夹。

例子:'SaveAgentDirectory'， pwd + "\run1\Agents"

使用平行训练的标志，指定为逻辑．将此选项设置为真正的将培训配置为使用并行处理来模拟环境，从而允许使用多核、处理器、计算机集群或云资源来加速培训。要指定并行训练的选项，请使用并行化选项财产。

注意，如果你想使用本地GPU加速深度神经网络计算(如梯度计算，参数更新和预测)，你不需要设置使用指α.真实。相反，在创建演员或批评者表示时，使用rlrepresentationoptions.对象，其中UseDevice选项设置为“图形”．

使用并行计算或GPU需要并行计算工具箱™软件。另外需要使用计算机群集或云资源MATLAB并行服务器™．

有关使用多核处理器和gpu进行培训的更多信息，请参见使用并行计算和gpu的列车代理．

例子:“UseParallel”,真的

控制并行训练的并行化选项，指定为ParallelTraining对象。有关使用并行计算进行培训的更多信息，请参见火车加固学习代理．

这ParallelTraining对象具有以下属性，您可以在创建后使用点表示法修改rlTrainingOptions对象。

在命令行上显示训练进度，指定为逻辑值错误的（0）或真正的（1）。设置真正的在训练期间将每个训练集的信息写入MATLAB命令行。

选项停止训练时，错误发生在一集，指定为“上”或“关闭”．当这个选项是“关闭”中捕获并返回错误SimulationInfo输出火车，培训将继续进行到下一集。

使用指定为Cepisode Manager显示培训进度的选项“训练进步”或“没有任何”．默认情况下,调用火车打开Reinforcement Learning Episode Manager，它以图形化和数字化的方式显示关于训练进度的信息，例如每个章节的奖励、平均奖励、章节数量和总步骤数。(有关更多信息，请参见火车．)要关闭此显示，请将此选项设置为“没有任何”．