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，指定为之间的标量值0和1．较高的熵损失权重值会因为太确定该采取哪个行动而受到惩罚，从而促进agent探索。这样做可以帮助代理移出局部优化。

当在训练过程中计算梯度时，将计算额外的梯度分量以使损失函数最小化。

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。当UseDeterministicExploitation被设置为真正的时，总是使用最大似然的动作sim卡和generatePolicyFunction，它使代理具有确定性的行为。

当UseDeterministicExploitation被设置为假时，代理从概率分布中抽样行为，使代理表现为随机行为。

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。