强化学习工具箱™提供了一个应用程序、函数和一个Simulink金宝app^®块的训练策略使用强化学习算法，包括DQN, PPO, SAC和DDPG。您可以使用这些策略来实现复杂应用程序(如资源分配、机器人和自主系统)的控制器和决策算法。

该工具箱允许您使用深度神经网络或查找表来表示策略和值函数，并通过与MATLAB建模的环境交互来训练它们^®或仿真金宝app软件。您可以评估工具箱中提供的单一或多智能体强化学习算法，也可以开发自己的算法。您可以实验超参数设置，监控训练进度，并通过应用程序或编程方式以交互方式模拟训练过的代理。为了提高训练性能，模拟可以在多个cpu、gpu、计算机集群和云中并行运行(使用并行计算工具箱™和MATLAB并行服务器）.

通过ONNX™模型格式，可以从TensorFlow™Keras和PyTorch(带有深度学习工具箱™)等深度学习框架导入现有策略。您可以生成优化的C, c++和CUDA^®代码，在微控制器和gpu上部署训练好的策略。工具箱包括参考示例，以帮助您入门。