用为该环境配置的代理模拟一个强化学习环境。对于本例，加载一个已经配置好的环境和代理。该环境是使用rlPredefinedEnv．代理是一个策略梯度(rlPGAgent)代理。有关本例中使用的环境和代理的详细信息，请参见训练PG代理人平衡车杆系统．

rng (0)再现率%负载RLSimExample.matenv

env = CartPoleDiscreteAction with properties: Gravity: 9.8000 MassCart: 1 MassPole: 0.1000 Length: 0.5000 MaxForce: 10 Ts: 0.0200 ThetaThresholdRadians: 0.2094 XThreshold: 2.4000 RewardForNotFalling: 1 PenaltyForFalling: -5 State: [4x1 double]

代理

agent = rlpgagentagent with properties: AgentOptions: [1x1 rl.option.rlPGAgentOptions]

通常，您使用火车并通过模拟环境来测试训练后的智能体的性能。对于本例，使用加载的代理模拟环境。配置模拟选项，指定模拟运行100步。

simOpts = rlSimulationOptions(“MaxSteps”, 100);

用于本例中使用的预定义车杆环境。你可以使用情节生成车杆系统的可视化。当您模拟环境时，这个图会自动更新，以便您可以在模拟过程中观察系统的演变。

情节(env)

模拟环境。

experience = sim(env,agent,simOpts)

经验=带字段的结构:观察:[1x1结构]行动:[1x1结构]奖励:[1x1时间序列]IsDone: [1x1时间序列]SimulationInfo: [1x1结构]

输出结构经验记录从环境、行动和奖励以及模拟过程中收集的其他数据中收集到的观察结果。每个字段包含一个timeseries的对象或结构timeseries数据对象。例如,体验。行动是一个timeseries包含了在模拟的每一步中agent施加在车杆系统上的动作。

体验。行动

ans =带字段的结构:CartPoleAction: [1x1时间序列]

模拟为示例中使用的Simulink®模型创建的环境金宝app训练多智能体执行协同任务，使用在那个例子中训练过的代理。

在MATLAB®工作区中加载代理。

负载rlCollaborativeTaskAgents

创建一个环境rlCollaborativeTask金宝appSimulink®模型，其中有两个代理块。由于两个块使用的代理(agentA而且agentB)已经在工作空间中，您不需要通过它们的观察和操作规范来创建环境。

环境= rlSi金宝appmulinkEnv(“rlCollaborativeTask”, (“rlCollaborativeTask /代理”，“B rlCollaborativeTask /代理”]);

方法所需要的参数rlCollaborativeTask金宝appSimulink®模型运行。

rlCollaborativeTaskParams

对智能体进行环境模拟，保存经验xpr．

xpr = sim(env，[agentA agentB]);

描绘两个特工的行动。

次要情节(2,1,1);情节(xpr (1) .Action.forces)次要情节(2,1,2);情节(xpr (2) .Action.forces)