标志，用于对值函数目标更新使用double DQN，指定为逻辑值。对于大多数应用程序集unmorlebledqn来“上”。有关更多信息，请参见深Q-Network代理。

贪婪探索的选项，指定为EpsilonGreedyExploration对象，具有以下属性。

在每个训练时间步的末尾，如果ε大于EpsilonMin，则使用以下公式更新。

epsilon = epsilon *（1-epsilondecay）

要指定探索选项，请在创建后使用点表示法rldqnagentoptions.对象。例如，设置的值为0.9。

选择= rlDQNAgentOptions;opt.EpsilonGreedyExploration.Epsilon = 0.9;

如果你的代理过于快速地收敛于局部最优，那么通过增加代理的探索来促进ε。

当使用递归神经网络对批评家进行批量训练的最大轨迹长度，指定为一个正整数。该值必须大于1在为评论家使用经常性神经网络时1否则。

目标批评更新的平滑因子，指定为小于或等于的正标量。有关更多信息，请参阅目标更新方法。

目标批读更新之间的步数，指定为正整数。有关更多信息，请参见目标更新方法。

训练前清除经验缓冲区的标志，指定为逻辑值。

保存代理时保存体验缓冲区数据的标志，指定为逻辑值。在培训期间保存候选代理和使用保存函数。

对于某些代理，例如具有大经验缓冲区和基于图像的观察的代理，节省其体验缓冲区所需的内存大。在这种情况下，不保存体验缓冲区数据，设置SaveexperienceBufferWithAgent.来假。

如果您计划进一步列出已保存的代理，您可以使用以前的经验缓冲区作为起点开始培训。在这种情况下，设置SaveexperienceBufferWithAgent.来真的。

随机体验迷你批次的大小，指定为正整数。在每次训练期间，代理在计算渐变时随机随机采样从体验缓冲区的体验，以更新批评属性。大型批次在计算梯度时减少方差，但增加计算工作。

在使用反批评的经常性神经网络时，小匹匹匹匹配批量中经验轨迹的数量，每个轨迹的长度是否相等Sequencelength.。

在训练期间预期的步骤数，指定为一个正整数。

使用反复性神经网络以获得评论家的批评时不支持N-S金宝apptep Q学习。在这种情况下，numstepstolookahead.一定是1。

体验缓冲区大小，指定为正整数。在培训期间，代理使用从缓冲区随机抽取的一小批经验更新评论家。

代理的采样时间，指定为正标量。

在Simulink金宝app环境中，代理将在每个SampleTime模拟时间秒。

在MATLAB环境中，每当环境进展时，代理就会执行。然而,SampleTime是输出体验中连续元素之间的时间间隔sim卡或者火车。

在培训期间应用于未来奖励的折扣因素，指定为小于或等于1的正标量。