选择使用基线学习，指定为逻辑值。当使用基线是真正的，则必须指定一个评价网络作为基线函数近似器。

一般来说，对于参与者网络较小的简单问题，PG代理在没有基线的情况下工作得更好。

选项返回操作，最大可能用于模拟和策略生成，指定为逻辑值。当UseDeterministicExploitation被设置为真正的，具有最大可能性的动作通常用于sim卡和generatePolicyFunction，它使代理具有确定性的行为。

当UseDeterministicExploitation被设置为假时，代理从概率分布中抽样行为，使代理表现为随机行为。

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中^®环境中，代理在环境每次前进时都会执行。但是，SampleTime是由返回的输出体验中连续元素之间的时间间隔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。

熵损失权重，指定为之间的标量值0和1．较高的熵损失权重值会因为太确定该采取哪个行动而受到惩罚，从而促进agent探索。这样做可以帮助代理移出局部优化。

当在训练过程中计算梯度时，将计算额外的梯度分量以使损失函数最小化。