强化学习工具箱™ 提供应用程序、功能和Simulink金宝app^®块用于使用强化学习算法（包括DQN、PPO、SAC和DDPG）的培训策略。您可以使用这些策略为复杂应用程序（如资源分配、机器人和自治系统）实施控制器和决策算法。

工具箱允许您使用深度神经网络或查找表表示策略和值函数，并通过与MATLAB中建模的环境的交互来训练它们^®或Si金宝appmulink。您可以评估工具箱中提供的单代理或多代理强化学习算法，也可以开发自己的算法。您可以通过应用程序或编程以交互方式试验超参数设置，监控培训进度，并模拟经过培训的代理。要提高培训性能，可以使用模拟在多个CPU、GPU、计算机集群和云上并行运行（使用并行计算工具箱™ 和MATLAB并行服务器™).

通过ONNX™ 模型格式，可以从TensorFlow等深度学习框架导入现有策略™ Keras和PyTorch（带深度学习工具箱）™). 您可以生成优化的C、C++和CUDA^®用于在微控制器和GPU上部署经过培训的策略的代码。工具箱包括帮助您入门的参考示例。