打开钢筋学习设计师应用程序

打开加固学习设计师应用程序。

钢筋训练器

最初，应用程序中没有加载代理或环境。

进口车杆环境

使用时加固学习设计师，您可以从MATLAB导入环境^®工作区或创建预定义的环境。有关更多信息，请参阅为强化学习设计师创建MATLAB环境和为强化学习设计金宝app师创建Simulink环境。

对于此示例，请使用预定义的离散推车MATLAB环境。要导入此环境，请执行加强学习标签，在环境部分，选择新>离散推车。

在里面环境窗格，该应用程序添加导入离散的cartpole.环境。要重命名环境，请单击“环境文本”文本。您还可以在会话中导入多个环境。

要查看观察和动作空间的尺寸，请单击“环境文本”文本。该应用程序显示了尺寸预习窗格。

该环境具有连续的四维观察空间（推车和杆的位置和速度）和由两个可能的力，-10n或10n组成的离散一维动作空间。此环境用于该环境培训DQN Agent来平衡车杆系统例子。有关预定义控制系统环境的更多信息，请参阅负载预定义控制系统环境。

为导入环境创建DQN代理

创建代理人加强学习标签，在代理人部分，点击新的。在“创建代理”对话框中，指定代理名称，环境和培训算法。对于此示例，请保留使用导入的环境和DQN算法的默认代理配置。有关创建代理商的更多信息，请参阅使用强化学习设计师创建代理商。

点击好的。

该应用程序将新代理添加到代理人窗格并打开相应的代理商_1.文档。

有关DQN代理功能的简要摘要，并查看代理的观察和操作规范，请单击概述。

当您创建DQN代理时加固学习设计师，代理使用默认的深度神经网络结构进行评论家。查看批评批评网络DQN Agent.选项卡，单击查看评论家模型。

这深度学习网络分析仪打开并显示批评批评结构。

关上深度学习网络分析仪。

火车代理

训练你的代理人火车选项卡，首先指定培训代理的选项。有关指定培训选项的信息，请参阅在钢筋学习设计师中指定模拟选项。

在此示例中，通过设置指定最大培训剧集数最大剧集至1000。有关其他培训选项，请使用其默认值。停止的默认标准是每集的平均步数（最后）5.剧集）大于500.。

要开始培训，请单击火车。

在培训期间，该应用程序打开了训练课程标签并显示培训进度培训结果文档。

在这里，训练在每集的平均步数为500时停止。

接受培训结果，就训练课程选项卡，单击接受。在里面代理人窗格，该应用程序添加了培训的代理，Agent1_Tromed.。

模拟代理并检查仿真结果

模拟训练有素的代理人模拟选项卡，首先选择Agent1_Tromed.在里面代理人下拉列表，然后配置模拟选项。对于此示例，请使用默认的剧集数（10.）和最大插曲长度（500.）。有关指定模拟选项的详细信息，请参阅在加固学习设计师中指定培训选项。

要模拟代理，请单击模拟。

该应用程序打开了模拟会话标签。仿真完成后，仿真结果文档显示每个集发作的奖励以及奖励均值和标准偏差。

要分析模拟结果，请单击检查模拟数据。

在里面仿真数据检测器您可以查看每个模拟集的保存信号。以下图像示出了第六仿真集的推车极系统（推车位置和极角）的第一和第三状态。该代理成功平衡杆，角度接近零。

有关更多信息，请参阅仿真数据检测器（金宝appSimulink）。

关上仿真数据检测器。

接受模拟结果，就模拟会话选项卡，单击接受。

在里面结果窗格，该应用程序添加了模拟结果结构，经验1。

导出代理和保存会话

将培训的代理导出到MATLAB工作区以进行额外的模拟，请访问加强学习标签，下面出口，选择代理。

要保存应用程序会话，请参阅加强学习选项卡，单击保存会话。在未来，要恢复您离开的工作，您可以开放会话加固学习设计师。

在命令行中模拟代理

要在MATLAB命令行模拟代理，请首先加载推车杆环境。

Env = Rlpredefinedenv（“cartpole  - 离散”）;

Cart-Pol环境具有一个环境可视化器，允许您了解系统在模拟和培训期间的行为方式。

绘制环境并使用先前从应用程序导出的培训代理执行模拟。

绘图（ENV）XPR2 = SIM（env，Agent1_traine）;

在仿真过程中，可视化器显示推车和杆的移动。训练有素的代理能够快速稳定系统。

最后，显示模拟的累积奖励。

总和（xpr2.reward）

Env = 500.

正如预期的那样，奖励是500。