噪声模型选项，指定为OrnsteinUhlenbeckActionNoise对象。有关噪声模型的更多信息，请参见噪声模型．

对于具有多个动作的agent，如果动作的范围和单位不同，那么每个动作可能需要不同的噪声模型参数。如果动作有相似的范围和单位，可以将所有动作的噪声参数设置为相同的值。

例如，对于具有两个操作的代理，将每个操作的标准偏差设置为不同的值，同时对两个标准偏差使用相同的衰减率。

选择= rlDDPGAgentOptions;opt.ExplorationModel.StandardDeviation = [0.1 0.2];opt.ExplorationModel.StandardDeviationDecayRate = 1的军医;

目标演员和影评人更新的平滑因子，指定为小于等于1的正标量。有关更多信息，请参见目标更新方法．

目标参与者和评论家更新之间的步骤数，指定为正整数。有关更多信息，请参见目标更新方法．

选项用于在训练前清除经验缓冲区，指定为逻辑值。

在保存代理时保存经验缓冲区数据的选项，指定为逻辑值。此选项适用于在培训期间保存候选代理以及使用保存函数。

对于一些代理，例如那些具有较大的经验缓冲区和基于图像的观察的代理，保存它们的经验缓冲区所需的内存很大。在这种情况下，为了不保存经验缓冲区数据，设置SaveExperienceBufferWithAgent来假．

如果您计划进一步培训所保存的代理，可以从以前的经验缓冲区作为起点开始培训。在本例中，setSaveExperienceBufferWithAgent来真正的．

使用递归神经网络时的最大批量训练轨迹长度，指定为正整数。该值必须大于1当使用递归神经网络和1否则。

随机经验小批的大小，指定为一个正整数。在每个训练集中，agent在计算梯度时从经验缓冲区中随机采样经验，以更新临界属性。大的小批量在计算梯度时减少了方差，但增加了计算工作量。

用于估计策略价值的未来奖励数量，指定为正整数。请参阅[1](第7章)了解更多细节。

用于估计策略价值的未来奖励数量，指定为正整数。有关更多信息，请参阅[1]的第7章。

体验缓冲区大小，指定为正整数。在训练过程中，代理使用从缓冲区中随机抽样的一小批经验计算更新。

试剂的采样时间，指定为正标量。

在一个模型金宝app^®环境中，代理被执行SampleTime模拟时间的秒数。

在MATLAB^®环境中，每当环境进步时，代理就会被执行。然而,SampleTime返回的输出经验中连续元素之间的时间间隔是多少sim卡或火车．

贴现因子应用于培训期间的未来奖励，指定为小于或等于1的正标量。