对值函数目标更新使用双DQN的标志，指定为逻辑值。对于大多数应用程序集UseDoubleDQN来“上”．有关更多信息，请参见深Q-Network代理．

贪婪探索的选项，指定为EpsilonGreedyExploration对象的以下属性。

在每个训练时间步长结束时，如果ε大于EpsilonMin，然后使用以下公式进行更新。

ε=ε* (1-EpsilonDecay)

如果您的代理在局部最优上收敛得太快，您可以通过增加代理来促进探索ε．

要指定探查选项，请在创建rlDQNAgentOptions对象选择．例如，将值设为0．9．

opt.EpsilonGreedyExploration.Epsilon = 0.9;

使用递归神经网络对批评者进行批量训练时的最大轨迹长度，指定为一个正整数。该值必须大于1当使用递归神经网络对批评家和1否则。

目标批评家更新的平滑因子，指定为小于或等于1的正标量。有关更多信息，请参见目标更新方法．

目标批评者更新之间的步骤数，指定为正整数。有关更多信息，请参见目标更新方法．

选项用于在训练前清除经验缓冲区，指定为逻辑值。

在保存代理时保存经验缓冲区数据的选项，指定为逻辑值。此选项适用于在培训期间保存候选代理以及使用保存函数。

对于一些代理，例如那些具有较大的经验缓冲区和基于图像的观察的代理，保存它们的经验缓冲区所需的内存很大。在这种情况下，为了不保存经验缓冲区数据，设置SaveExperienceBufferWithAgent来假．

如果您计划进一步培训所保存的代理，可以从以前的经验缓冲区作为起点开始培训。在本例中，setSaveExperienceBufferWithAgent来真正的．

随机经验小批的大小，指定为一个正整数。在每个训练集中，agent在计算梯度时从经验缓冲区中随机采样经验，以更新临界属性。大的小批量在计算梯度时减少了方差，但增加了计算工作量。

当评论家使用递归神经网络时，MiniBatchSize在一批经验轨迹中，每条轨迹的长度等于多少SequenceLength．

用于估计策略价值的未来奖励数量，指定为正整数。有关更多信息，请参阅[1]的第7章。

对于批评家使用递归神经网络时，不支持n步Q学习。金宝app在这种情况下,NumStepsToLookAhead必须1．

体验缓冲区大小，指定为正整数。在训练过程中，代理使用从缓冲区中随机抽样的一小批经验计算更新。

试剂的采样时间，指定为正标量。

在一个模型金宝app^®环境中，代理被执行SampleTime模拟时间的秒数。

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

贴现因子应用于培训期间的未来奖励，指定为小于或等于1的正标量。