代理人
使用常用算法（如SARSA、DQN、DDPG和A2C）创建和配置强化学习代理
强化学习代理从环境中获得观察和奖励。代理使用其策略，根据观察和奖励选择一个操作，并将该操作发送到环境。在培训期间，代理会根据行动、观察和奖励不断更新策略参数。这样，代理就可以学习给定环境和奖励信号的最优策略。
强化学习工具箱™ 软件提供使用几种常用算法的强化学习代理，如SARSA、DQN、DDPG和A2C。您还可以通过创建自己的自定义代理来实现其他代理算法。有关详细信息，请参阅强化学习代理.
有关定义策略表示的详细信息，请参见创建策略和值函数表示.
功能
话题
您可以使用几种标准强化学习算法之一创建代理，也可以定义自己的自定义代理。
为强化学习创建Q-学习代理。
创建用于强化学习的SARSA代理。
为强化学习创建DQN代理。
为强化学习创建PG代理。
为强化学习创建DDPG代理。
为强化学习创建DDPG代理。
为强化学习创建AC代理。
为强化学习创建PPO代理。
创建使用自定义强化学习算法的代理。
您还可以从以下列表中选择网站：
