在基本网格世界中列车加固学习代理
此示例显示如何通过培训Q-Learning和Sarsa代理商使用强化学习来解决网格世界环境。有关这些代理商的更多信息，请参阅Q学习代理和萨拉代表。
此网格世界环境具有以下配置和规则：
网格世界是5比5，边界有限，有四种可能的动作（北= 1，南= 2，East = 3，West = 4）。
代理从单元格[2,1]（第二行，第一列）开始。
如果它达到Cell [5,5]（蓝色）达到终端状态，则代理收到奖励+10。
环境中包含从单元格[2,4]到单元格[4,4]的特殊跳跃，奖励+5。
该药剂被障碍物（黑细胞）堵塞。
所有其他行动都会导致-1奖励。
创建网格世界环境
创建基本网格世界环境。
Env = Rlpredefinedenv（“basicgridworld”）;
要指定代理的初始状态始终[2,1]，请创建一个复位函数，返回初始代理状态的状态编号。在每个训练剧集和仿真开始时调用此函数。各国的编号开始于职位[1,1]。当您向下移动第一列时，状态号增加，然后按下每个后续列。因此，创建一个匿名功能句柄，将初始状态设置为2。
env.resetfcn = @（）2;
修复随机发生器种子以进行再现性。
RNG（0）
创建Q学习代理
要创建Q学习代理，首先使用网格世界环境中的观察和操作规范创建Q表。将表示的学习率设置为1。
qtable = rltable（getobservationInfo（env），getActionInfo（Env））;qrepresentation = rlqvaluerepresentation（qtable，getobservationInfo（env），getActionInfo（env））;qrepresentation.options.learnrate = 1;
接下来，使用此表表示创建Q学习代理，配置epsilon-greedy探索。有关创建Q学习代理的更多信息，请参阅rlqagent.和rlqagentoptions.。
代理= rlqagentoptions;Adjeropts.epsilongredyexpliation.epsilon = .04;QAGENT = RLQAGENT（QREPRESENTATION，AGENSOPTS）;
火车Q-Learning Agent
要培训代理，首先指定培训选项。对于此示例，请使用以下选项：
火车最多是200集。指定每个episode持续最多50个时间步长。
当代理商收到超过10个连续发作的平均累积奖励时停止培训。
有关更多信息，请参阅rltringOptions.。
训练= rltringOptions;训练.maxstepperepisode = 50;训练.maxepisodes = 200;训练.StoptrainingCriteria =“平均”;训练.StoptrainingValue = 11;训练.ScoreaveragingWindowLength = 30;
使用该训练Q学习代理火车功能。培训可能需要几分钟才能完成。要在运行此示例的同时节省时间，请通过设置加载预制代理用圆形至错误的。训练代理人，套装用圆形至真的。
dotraining = false;如果用圆形％训练代理人。Trainstats =火车（QAGent，Env，训练）;别的％加载预磨料的代理。加载（'basicgwqagent.mat'那'Qagent'）结尾
这剧集经理窗口打开并显示培训进度。
验证Q学习结果
为了验证培训结果，模拟培训环境中的代理。
在运行模拟之前，可视化环境并配置可视化以维护代理状态的跟踪。
plot（env）env.model.viewer.showtrace = true;env.model.viewer.Cleartrace;
模拟使用环境中的代理SIM功能。
SIM（QAGENT，ENV）
代理跟踪显示代理成功发现从单元格[2,4]到单元格[4,4]。
创建和训练萨拉代表
要创建Sarsa代理，请使用与Q学习代理的相同Q表表示和epsilon-greedy配置。有关创建萨拉代理商的更多信息，请参阅rlsarsaagent.和rlsarsaagentoptions.。
代理= rlsarsaagentoptions;Agentopts.epsilongredyexpliation.epsilon = 0.04;sarsaagent = rlsarsaagent（qrepruseentation，代理商）;
使用培训萨拉代理商使用火车功能。培训可能需要几分钟才能完成。要在运行此示例的同时节省时间，请通过设置加载预制代理用圆形至错误的。训练代理人，套装用圆形至真的。
dotraining = false;如果用圆形％训练代理人。TrainingStats =火车（SarsaAgent，Env，Trainpts）;别的％加载预磨料的代理。加载（'Basicgwsarsaagent.mat'那'sarsaagent'）结尾
验证Sarsa培训
为了验证培训结果，模拟培训环境中的代理。
plot（env）env.model.viewer.showtrace = true;env.model.viewer.Cleartrace;
模拟环境中的代理。
SIM（SarsaAgent，Env）
Sarsa代理发现与Q学习代理相同的网格世界解决方案。
也可以看看
相关话题
您还可以从以下列表中选择一个网站：
