代理从环境中吸取经验之前与环境交互的步骤数，指定为正整数。当代理使用递归神经网络时，NumStepsToLookAhead为训练轨迹长度。

熵损失权重，指定为介于0和1.。较高的熵损失权重值通过对过于确定要采取的行动施加惩罚来促进代理探索。这样做可以帮助代理脱离局部最优。

当在训练过程中计算梯度时，计算额外的梯度分量以最小化该损失函数。

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。什么时候利用决定论剥削被设置为真正的时，总是使用最大似然的动作模拟和生成策略函数，这会导致代理的行为具有决定性。

什么时候利用决定论剥削被设置为错误的，agent从概率分布中对动作进行采样，从而使agent的行为具有随机性。

试剂的采样时间，指定为正标量。

在Simulink金宝app中^®环境中，代理将在每个取样时间秒的模拟时间。

在MATLAB^®环境中，每当环境进步时，代理就会被执行。然而,取样时间返回的输出经验中连续元素之间的时间间隔是多少模拟或火车.

用于培训期间未来奖励的贴现因子，指定为小于或等于1的正标量。