在强化学习场景中,您训练一个代理完成一项任务,环境模拟代理与之交互的外部系统(即世界)。在控制系统应用中,这种外部系统通常被称为这种植物.
环境如下图所示:
从代理接收操作。
返回对操作的响应的观察结果。
产生一种奖励来衡量行动对完成任务的贡献。
创建环境模型需要定义:
动作和观察信号是主体与环境交互的信号。
一种奖励信号,它是代理用来衡量其成功的。有关更多信息,请参见定义奖励信号.
环境初始条件及其动力学行为。
在创建环境对象时,必须指定代理用于与环境交互的操作和观察信号。您可以创建离散和连续的活动和观察空间。有关更多信息,请参见rlNumericSpec
和rlFiniteSetSpec
,分别。
选择什么信号作为动作和观察取决于应用程序。例如,对于控制系统的应用,误差信号的积分(有时是导数)常常是有用的观测。此外,对于参考跟踪应用,有一个时变参考信号作为观测是有帮助的。
当您定义观测信号时,请确保所有环境状态(或它们的估计)都包含在观测向量中。这是一个很好的实践,因为代理通常是一个静态函数,它缺乏内部内存或状态,因此它可能无法成功地在内部重构环境状态。
例如,对摆锤的图像观察具有位置信息,但其本身没有足够的信息来确定摆锤的速度。在这种情况下,您可以测量或估计钟摆速度作为观察向量的额外入口。
强化学习工具箱™软件提供了一些预定义的MATLAB®已经定义了行动、观察、奖励和动态的环境。你可以使用这些环境:
学习强化学习概念。
熟悉强化学习工具箱软件功能。
测试您自己的强化学习代理。
有关更多信息,请参见加载预定义的网格世界环境和加载预定义的控制系统环境.
您可以为自己的应用程序创建以下类型的自定义MATLAB环境。
具有特定大小、奖励和障碍的网格世界
使用自定义函数指定动态的环境
通过创建和修改模板环境对象指定的环境
一旦创建了自定义环境对象,就可以以与在预定义环境中相同的方式训练代理。有关培训代理的更多信息,请参见训练强化学习代理.
您可以创建任意大小的自定义网格世界,具有自定义的奖励、状态转换和障碍配置。创建一个自定义网格世界环境:
创建一个网格世界模型使用createGridWorld
函数。例如,创建一个名为吉瓦
10行9列。
9 gw = createGridWorld(10日);
通过修改模型的属性来配置网格世界。例如,指定终端状态作为位置(7、9)
gw。TerminalStates =“(7、9)”;
网格世界需要包含在马尔科夫决策过程(MDP)环境中。为这个网格世界创建一个MDP环境,代理使用它与网格世界模型进行交互。
env = rlMDPEnv (gw);
有关自定义网格世界的更多信息,请参见创建自定义网格世界环境.
对于简单环境,可以通过创建rlFunctionEnv
对象,并指定您自己的自定义重置和一步功能。
在每次训练开始时,agent调用reset函数设置环境初始条件。例如,您可以指定已知的初始状态值,或者将环境置于随机初始状态。
step函数定义了环境的动态性,即状态如何作为当前状态和代理行为的函数而变化。在每个训练时间步长,使用步长函数更新模型的状态。
有关更多信息,请参见使用自定义函数创建MATLAB环境.
对于更复杂的环境,您可以通过创建和修改模板环境来定义自定义环境。创建自定义环境:
属性创建环境模板类rlCreateEnvTemplate
函数。
修改模板环境,指定环境属性、所需环境功能和可选环境功能。
使用。验证您的自定义环境validateEnvironment
.
有关更多信息,请参见创建自定义MATLAB环境从模板.
rlCreateEnvTemplate
|rlFunctionEnv
|rlPredefinedEnv