熵优化选项，指定为EntropyWeightOptions对象的以下属性。

选择= rlSACAgentOptions;opt.EntropyWeightOptions.OptimizerParameters.GradientDecayFactor = 0.95;

参与者策略更新之间的步骤数，指定为正整数。有关更多信息，请参见训练算法．

评论家更新之间的步骤数，指定为正整数。有关更多信息，请参见训练算法．

目标批评者更新之间的步骤数，指定为正整数。有关更多信息，请参见目标更新方法．

选项以模拟和策略生成的最大可能性返回动作，指定为逻辑值。当UseDeterministicExploitation被设置为真正的时，总是使用最大似然的动作sim卡和generatePolicyFunction，这使得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。

目标批评家更新的平滑因子，指定为小于或等于1的正标量。有关更多信息，请参见目标更新方法．

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在计算梯度更新actor和critics时，从经验缓冲区中随机抽取经验样本。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。

选项用于在训练前清除经验缓冲区，指定为逻辑值。

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。

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．

在更新参与者和批评者之前要采取的操作数，指定为正整数。默认情况下,NumWarmStartSteps值等于MiniBatchSize价值。

当更新参与者和批评者时要采取的梯度步骤数，指定为正整数。