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。

的ExperienceHorizon值必须大于或等于MiniBatchSize价值。

用于每个学习时期的小批量大小，指定为正整数。当代理使用递归神经网络时，MiniBatchSize为训练轨迹长度。

的MiniBatchSize值必须小于或等于ExperienceHorizon价值。

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最小化熵损失。有关更多信息，请参见熵损失．

行动者和评论家网络从当前经验集中学到的时代的数量，指定为正整数。

评估优势值的方法，具体为:

有关这些方法的更多信息，请参阅近端政策优化代理．

广义优势估计的平滑因子，指定为之间的标量值0和1、包容。此选项仅适用于AdvantageEstimateMethod选择是“gae”

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。

旧策略和当前策略之间的Kullback-Leibler (KL)散度的上限，指定为一个正标量。

共轭梯度象限的最大迭代次数，指定为正整数。

数值稳定性的共轭梯度阻尼因子，指定为非负标量。

共轭梯度残余公差，指定为正标量。一旦共轭梯度算法的残差低于这个公差，算法就停止。

通常，默认值在大多数情况下都能很好地工作。

行搜索的迭代次数，指定为正整数。

通常，默认值在大多数情况下都能很好地工作。

优势函数值的归一化方法，具体为:

在某些环境中，可以通过在训练过程中对优势函数进行归一化来提高agent的性能。代理对优势函数进行归一化，方法是减去平均优势值并按标准偏差进行缩放。

归一化优势函数值的窗口大小，指定为正整数。使用此选项时NormalizedAdvantageMethod选择是“移动”．

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。