Reinforcement Learning Toolbox™提供了一个应用程序、函数和Simulink金宝app^®block用于使用强化学习算法的训练策略，包括DQN、PPO、SAC和DDPG。您可以使用这些策略为复杂的应用程序(如资源分配、机器人和自治系统)实现控制器和决策算法。

这个工具箱允许您使用深度神经网络或查询表来表示策略和值函数，并通过与MATLAB中建模的环境进行交互来训练它们^®或仿真金宝app软件。您可以评估工具箱中提供的单或多智能体强化学习算法，或开发自己的算法。您可以试验超参数设置，监控训练进度，并通过应用程序交互或编程模拟训练过的代理。为了提高训练性能，模拟可以在多个cpu、gpu、计算机集群和云上并行运行(使用并行计算工具箱™和)MATLAB并行服务器™)．

通过ONNX™模型格式，现有的策略可以从深度学习框架导入，如TensorFlow™Keras和PyTorch(使用深度学习工具箱™)。你可以生成优化的C, c++和CUDA^®代码在微控制器和gpu上部署经过培训的政策。工具箱包括参考示例，以帮助您开始。