强化学习工具箱™提供了一个应用程序、函数和一个Simulink金宝app^®块，用于使用强化学习算法的训练策略，包括DQN、PPO、SAC和DDPG。您可以使用这些策略为复杂的应用程序(如资源分配、机器人和自治系统)实现控制器和决策算法。

该工具箱允许您使用深度神经网络或查找表来表示策略和价值函数，并通过与MATLAB中建模的环境交互来训练它们^®或仿真金宝app软件。您可以评估工具箱中提供的单或多智能体强化学习算法，也可以开发自己的算法。您可以试验超参数设置，监控训练进度，并通过应用程序或编程方式交互模拟训练过的代理。为了提高训练性能，模拟可以在多个cpu、gpu、计算机集群和云上并行运行(使用parallel Computing Toolbox™和MATLAB并行服务器™）.

通过ONNX™模型格式，现有的策略可以从TensorFlow™Keras和PyTorch (with deep learning Toolbox™)等深度学习框架中导入。您可以生成优化的C、c++和CUDA^®代码来在微控制器和gpu上部署经过培训的策略。工具箱中包括一些参考示例来帮助您入门。