强化学习工具箱™提供使用强化学习算法(包括DQN、A2C和DDPG)的培训策略的功能和模块。您可以使用这些策略为复杂系统(如机器人和自治系统)实现控制器和决策算法。您可以使用深度神经网络、多项式或查找表来实现这些策略。

工具箱允许您通过使策略与MATLAB表示的环境交互来培训策略^®或仿真金宝app软件^®模型。您可以评估算法，试验超参数设置，并监控训练进度。要提高培训性能，可以在云、计算机集群和gpu上并行运行模拟(使用parallel Computing Toolbox™和)MATLAB并行服务器™)．

通过ONNX™模型格式，现有的策略可以从深度学习框架导入，如TensorFlow™Keras和PyTorch(使用深度学习工具箱™)。您可以生成优化的C、c++和CUDA代码，以便在微控制器和gpu上部署经过培训的策略。

工具箱包括使用强化学习为机器人和自动驾驶应用设计控制器的参考示例。