国旗为价值函数使用双DQN目标更新,指定为一个逻辑值。对于大多数应用程序设置UseDoubleDQN来“上”。有关更多信息,请参见深Q-Network代理。

选择epsilon-greedy探索,指定为一个EpsilonGreedyExploration具有以下属性的对象。

在每个培训时间步,如果ε大于EpsilonMin更新,那么使用以下公式。

ε=ε* (1-EpsilonDecay)

如果你的代理在当地最适条件收敛过快,可以促进剂探索通过增加ε。

指定选项,探索创建后使用点符号rlDQNAgentOptions对象选择。例如,设置ε值0.9。

opt.EpsilonGreedyExploration。ε= 0.9;

最大batch-training轨迹长度在使用递归神经网络的评论家,指定为一个正整数。这个值必须大于1当使用一个评论家和递归神经网络1否则。

平滑系数为目标评论家更新,指定为一个积极的标量小于或等于1。有关更多信息,请参见目标更新方法。

目标的批评家之间的步骤数量更新,指定为一个正整数。有关更多信息,请参见目标更新方法。

选择清除缓冲区之前培训经验,指定为一个逻辑值。

选择保存经验缓冲区数据保存剂时,指定为一个逻辑值。这个选项适用于保存候选代理人在训练时和在保存代理使用保存函数。

对于一些代理,如有大量经验缓冲区和基于图像的观察,拯救他们的经验缓冲所需的内存很大。在这种情况下,缓冲区数据不保存经验,集SaveExperienceBufferWithAgent来假。

如果你计划进一步训练你的保存剂,你可以开始训练与经验缓冲区作为起点。在这种情况下,集SaveExperienceBufferWithAgent来真正的。

大小的随机mini-batch经验,指定为一个正整数。在每次训练集,代理经验的随机样本经验缓冲区时计算梯度更新评论家属性。大型mini-batches减少方差计算梯度但增加计算工作量。

当使用递归神经网络的评论家,MiniBatchSize是经验轨迹的数量在一个批处理,其中每个轨迹长度等于什么SequenceLength。

使用未来的奖励数量估计的值政策,指定为一个正整数。有关更多信息,请参见第7章[1]。

N-step Q学习不支持在使用递归神经网络的评论金宝app家。在这种情况下,NumStepsToLookAhead必须1。

体验缓冲区大小,指定为一个正整数。在培训期间,代理计算更新使用mini-batch经历随机取样的缓冲区。

指定的代理,样品时间作为一个积极的标量。

在一个模型金宝app^®环境中,代理执行每一个SampleTime秒的仿真时间。

在MATLAB^®环境中,代理执行每一次进步的环境。然而,SampleTime之间的时间间隔连续元素返回的输出的经验吗sim卡或火车。

折现系数应用于未来的回报在训练,指定为一个积极的标量小于或等于1。