主要内容

决定论呈现

钢筋学习代理的确定性演员代表

在第页中展开全部

描述

这个对象实现了一个函数逼近器，在具有不断的行动空间。确定性actor将观察结果作为输入并返回，因为输出最大化预期累积长期奖励的操作，从而实施确定性策略。创建一个决定论呈现对象，使用它来创建合适的代理，例如RLDDPG试剂代理人。有关创建表示的更多信息，请参阅创建策略和值函数表示。

创造

句法

Actor = RLDETerminyActorRepruseentation（Net，观察，ActionInfo，'观察'，obsname，'行动'，ActName）
actor=rlDeterministicActorRepresentation（{basisFcn，W0}，observationInfo，actionInfo）
actor=rlDeterministicActorRepresentation(___，选项）

描述

例子

演员=rlDeterministicActorRepresentation(网那观测信息那行动信息","观察",，obsName，'行动'，actname.）使用深度神经网络创建确定性参与者网作为近似剂。此语法设置了观察税收和ActionInfo.属性演员输入观测信息和行动信息，分别包含观察和行动的规范。行动信息必须指定连续动作空间，不支持离散动作空间。金宝appobsName必须包含的输入层的名称网与观察规范相关联。动作名称actname.必须是输出层的名称网与动作规范相关联。

例子

演员=rlDeterministicActorRepresentation({基础FCN.那W0}，观测信息那行动信息）使用自定义基函数创建一个确定性actor，作为基础近似值。第一个输入参数是一个双元素单元，其中第一个元素包含句柄基础FCN.对于自定义基函数，第二个元素包含初始权重矩阵W0。此语法设置观察税收和ActionInfo.属性演员分别到输入观测信息和行动信息。

演员=rlDeterministicActorRepresentation(___那选项）使用附加选项集创建确定性参与者选项，这是一个rlrepresentationOptions.此语法设置选择权财产演员到了选项输入参数。您可以将此语法与以前的任何输入参数组合一起使用。

输入参数

展开全部

深神经网络用作演员内的底层近似器，指定为以下之一：

网络输入层的顺序、数据类型和尺寸必须与中定义的信号相同观察税收。此外，这些输入层的名称必须与列出的观察名称匹配obsName。

网络输出层必须具有与所定义的信号相同的数据类型和维度ActionInfo.。其名称必须是指定的操作名称actname.。

决定论呈现对象支持反复性的金宝app深神经网络。

有关深层神经网络层的列表，请参见深度学习层列表.有关为强化学习创建深度神经网络的更多信息，请参阅创建策略和值函数表示。

观察名称，指定为字符串或字符向量的单元格数组。观察名称必须是中输入层的名称网。

例子：{'my_obs'}

操作名称，指定为包含字符向量的单元素单元格数组。它必须是操作的输出层的名称网。

例子：{'my_act'}

自定义基函数，指定为用户定义的MATLAB函数的函数句柄。用户定义的函数可以是matlab路径上的匿名函数或函数。基于当前观察的行动，即演员的输出，是载体a=W'*B， 在哪里W.是包含可学习参数的权重矩阵B.是自定义基函数返回的列向量。

创建确定性参与者表示时，基函数必须具有以下签名。

B=myBasisFunction（obs1、obs2、…、obsN）

这里obs1.到obsn.是以相同的顺序观察和与定义的信号相同的数据类型和尺寸观测信息

例子：@（obs1，obs2，obs3）[obs3（2）*obs1（1）^2；abs（obs2（5）+obs3（1））]

基础函数权重的初始值，W.，指定为矩阵，其行数与基函数返回的向量长度相同，列数与操作空间的维数相同。

性质

展开全部

表示选项，指定为rlrepresentationOptions.目的。可用选项包括用于培训和学习率的优化器。

观察规范，指定为rlFiniteSetSpec或rlnumericspec.对象或这些对象的数组。这些对象定义了观察信号的尺寸，数据类型和名称等属性。

决定论呈现设置观察税收财产演员到意见观测信息。

你可以提取观察税收从现有的环境或代理商使用获取观测信息。您还可以手动构建规范。

持续动作空间的操作规范，指定为一个rlnumericspec.对象定义属性，例如维度，数据类型和动作信号的名称。确定性演员表示不支持离散的行动。金宝app

决定论呈现设置ActionInfo.财产演员到意见观测信息。

你可以提取ActionInfo.从现有的环境或代理商使用getActionInfo.。您还可以手动构建规范。

对于自定义基函数表示，动作信号必须是标量、列向量或离散动作。

对象功能

RLDDPG试剂 深度确定性策略梯度强化学习agent
RLTD3试剂 双延迟深度确定性政策梯度加固学习代理
努力 从代理商或演员代表获取行动给定环境观察

例子

全部收缩

打开实时脚本

创建观察规范对象（或使用获取观测信息从环境中提取规范对象）。对于该示例，将观察空间定义为连续的四维空间，因此单个观察是包含四个双打的列向量。

Obsinfo = rlnumericspec（[4 1]）;

创建动作规范对象（或使用getActionInfo.从环境中提取规范对象）。对于此示例，将动作空间定义为连续的二维空间，因此单个动作是包含两个双打的列向量。

Actinfo = rlnumericspec（[2 1]）;

为参与者创建一个深度神经网络近似器肌瘤）必须接受四元素矢量（刚刚定义的观察向量obsinfo.），它的产出必须是动作（这里称为界面）和是一个双元素矢量，如所定义肌动蛋白。

net=[featureInputLayer（4，'正常化'那'没有任何'那'姓名'那“肌瘤”)完全连接层（2，'姓名'那“界面”）];

用语言创造批评家rlQValueRepresentation，使用网络，观察和动作规范对象，以及网络输入和输出层的名称。

Actor = RLDETerminyActorRepresentation（Net，Obsinfo，Actinfo，...“观察”,{“肌瘤”}，'行动',{“界面”}）
Actor = RLDETerminyActorRepresentation具有属性：ActionInfo：[1x1 Rl.util.rlnumericspec] deviewationinfo：[1x1 rl.util.rlnumericspec]选项：[1x1 rl.option.rlrepresentationOptions]

要检查演员，请使用努力要从随机观察返回动作，使用当前网络权重。

act = getaction（演员，{rand（4,1）}）;{1}
ans =.2x1单列向量-0.5054 1.5390

您现在可以使用演员创建合适的代理（例如拉卡金特那rlPGAgent或RLDDPG试剂代理）。

打开实时脚本

创建观察规范对象（或使用获取观测信息从环境中提取规范对象）。例如，将观察空间定义为连续的四维空间，以便单个观察是包含3个双精度的列向量。

obsInfo=rlNumericSpec（[3 1]）；

确定性演员不支持离散动作空间。金宝app因此，创建一个连续动作空间规范对象（或者使用getActionInfo.从环境中提取规范对象）。对于此示例，将动作空间定义为连续的二维空间，从而单个动作是包含2个双打的列向量。

Actinfo = rlnumericspec（[2 1]）;

创建自定义基本函数。每个元素是由此定义的观察结果的函数obsinfo.。

myBasisFcn=@（myobs）[myobs（2）^2；myobs（1）；2*myobs（2）+myobs（1）；-myobs（3）]
mybasisfcn =函数\带有值的句柄：@（myobs）[myobs（2）^ 2; myobs（1）; 2 * myobs（2）+ myobs（1）;  -  myobs（3）]

演员的输出是向量w'* mybasisfcn（myobs），这是由于给定观察所采取的行动。重量矩阵W.包含可学习的参数，行数必须与基函数输出的长度相同，列数必须与操作空间的维度相同。

定义初始参数矩阵。

W0=兰特（4,2）；

创建演员。第一个参数是一个两个元素单元，包含自定义函数和初始权重矩阵的句柄。第二和第三个参数分别是观察和动作规范对象。

Actor = RLDETerminyActorRepresentation（{MyBasisfcn，W0}，Obsinfo，Actinfo）
Actor = RLDETerminyActorRepresentation具有属性：ActionInfo：[1x1 Rl.util.rlnumericspec] deviewationinfo：[1x1 rl.util.rlnumericspec]选项：[1x1 rl.option.rlrepresentationOptions]

要检查演员，请使用努力函数使用当前参数矩阵从给定观察返回操作。

a=getAction（actor，{[123]'}）；a{1}
ans = 2x1 dlarray 2.0595 2.3788

现在，您可以使用演员（以及评论家）创建合适的连续动作空间代理。

打开实时脚本

创建观察和操作信息。您还可以从环境中获取这些规范。

Obsinfo = rlnumericspec（[4 1]）;Actinfo = rlnumericspec（[2 1]）;numobs = obsinfo.dimension（1）;numact = actinfo.dimension（1）;

为演员创建递归深层神经网络。要创建递归神经网络，请使用序列输入层作为输入层并包括至少一个lstmlayer.。

net = [sequenceInputlayer（numobs，'正常化'那'没有任何'那'姓名'那“国家”)完全连接层（10，'姓名'那“fc1”）剥离（'姓名'那'relu1'）LSTMLAYER（8，'OutputMode'那'序列'那'姓名'那'Actorlstm'）全连接列（20，'姓名'那'批评福尔2'）全连接层（数量，'姓名'那'行动'）Tanhlayer（'姓名'那“tanh1”）];

为网络创建确定性参与者表示。

ActorProptions=rlRepresentationOptions('学习'，1e-3，'gradientthreshold'，1）;Actor = RLDETerminyActorRepresentation（Net，Obsinfo，Actinfo，...“观察”,{“国家”}，'行动',{“tanh1”});

也可以看看

职能

话题

在R2020A中介​​绍

强化学习工具箱文档

金宝app

用Matlab和Simulink加强学习金宝app

用Matlab和Simulink加强学习金宝app

下载电子书