火车DDPG代理自适应巡航控制的功能
这个例子展示了如何训练深决定性策略梯度(DDPG)代理模型的自适应巡航控制系统(ACC)®。金宝appDDPG代理的更多信息,请参阅<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ug/ddpg-agents.html" data-docid="rl_ug#mw_66c8fe60-f58e-4bdb-904a-21d442f0a879" class="a">深决定性策略梯度(DDPG)代理。
金宝app仿真软件模型
强化学习环境对于这个示例是一个简单的汽车和汽车纵向动力学的自我。培训的目标是使自我在一组汽车旅行速度,同时保持安全距离领先的汽车通过控制纵向加速和刹车。下面的例子使用了相同的车辆模型<一个href="//www.tatmou.com/es/es/es/es/help/mpc/ug/adaptive-cruise-control-using-model-predictive-controller.html" data-docid="mpc_ug#mw_5d3362c7-033d-4773-a8e5-5f3d303a9c10" class="a">自适应巡航控制系统使用模型预测控制(模型预测控制工具箱)的例子。
指定的初始位置和速度两辆车。
x0_lead = 50;%初始位置领先汽车(m)v0_lead = 25;%初始速度领先汽车(米/秒)x0_ego = 10;%初始位置为自我汽车(m)v0_ego = 20;%自我汽车初始速度(米/秒)
指定停滞默认间距(m),时间差距(s)和司机让速度(米/秒)。
D_default = 10;t_gap = 1.4;v_set = 30;
模拟的物理限制车辆动力学、加速度约束的范围(3 2)米/秒^ 2。
amin_ego = 3;amax_ego = 2;
定义样本的时间Ts和仿真时间特遣部队在几秒钟内。
t = 0.1;Tf = 60;
打开模型。
mdl =“rlACCMdl”;(mdl open_system (mdl) agentblk =' / RL代理'];
对于这个模型:
行动加速度信号从代理环境3到2米/秒^ 2。
自我的参考速度的汽车
定义如下。如果相对距离小于安全距离,自我汽车跟踪引导车的最低速度和司机让速度。通过这种方式,自我汽车保持一定距离领先的汽车。如果相对距离大于安全距离,自我汽车跟踪司机让速度。在这个例子中,安全距离被定义为一个自我汽车纵向速度的线性函数
;也就是说,
。安全的距离决定了自我参考跟踪速度的汽车。
环境的观测速度误差
,它的积分
,自我汽车纵向速度
。
仿真终止当自我汽车的纵向速度小于0,或引导车之间的相对距离和自我汽车变得小于0。
奖励
,只要在每一个时间步
,是
在哪里
是以前的时间步的控制输入。逻辑值
如果速度误差
;否则,
。
创建环境接口
创建一个强化学习环境界面模型。
创建观测规范。
observationInfo = rlNumericSpec (1 [3],“LowerLimit”负无穷*的(1),“UpperLimit”,正* (3,1));observationInfo。Name =“观察”;observationInfo。描述=“速度误差和自我速度信息”;
创建操作规范。
actionInfo = rlNumericSpec ([1],“LowerLimit”3,“UpperLimit”2);actionInfo。Name =“加速”;
创建环境的接口。
env = rl金宝appSimulinkEnv (mdl agentblk、observationInfo actionInfo);
定义初始条件导致汽车的位置,指定一个环境重置函数使用一个匿名函数处理。重置功能localResetFcn,这是定义在这个例子中,随机排列导致汽车的初始位置。
env。ResetFcn = @(在)localResetFcn(的);
解决随机发生器再现性的种子。
rng (“默认”)
创建DDPG代理
DDPG代理接近长期奖励给观测和操作使用批评价值函数表示。创建评论家,首先创建一个深和两个输入神经网络,国家和行动,和一个输出。有关创建一个神经网络的更多信息价值函数表示,看到的<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ug/create-policy-and-value-function-representations.html" data-docid="rl_ug#mw_2c7e8669-1e91-4d42-afa6-674009a08004" class="a">创建政策和价值功能。
L = 48;%的神经元数量statePath = [featureInputLayer (3“归一化”,“没有”,“名字”,“观察”)fullyConnectedLayer (L,“名字”,“fc1”)reluLayer (“名字”,“relu1”)fullyConnectedLayer (L,“名字”,“取得”)additionLayer (2“名字”,“添加”)reluLayer (“名字”,“relu2”)fullyConnectedLayer (L,“名字”,“一个fc3”文件)reluLayer (“名字”,“relu3”)fullyConnectedLayer (1,“名字”,“fc4”));actionPath = [featureInputLayer (1,“归一化”,“没有”,“名字”,“行动”)fullyConnectedLayer (L,“名字”,“fc5”));criticNetwork = layerGraph (statePath);criticNetwork = addLayers (criticNetwork actionPath);criticNetwork = connectLayers (criticNetwork,“fc5”,“添加/ in2”);criticNetwork = dlnetwork (criticNetwork);
查看评论家网络配置。
情节(layerGraph (criticNetwork))
指定选项评论家优化器使用rlOptimizerOptions。
criticOptions = rlOptimizerOptions (“LearnRate”1 e - 3,“GradientThreshold”,1“L2RegularizationFactor”1的军医);
创建一个使用指定的评论家表示神经网络和选项。您还必须指定动作和评论家的观测信息,你从环境中获取接口。有关更多信息,请参见<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ref/rlqvaluefunction.html" data-docid="rl_ref#mw_e6e7abac-0a33-423b-8473-1409879db701" class="a">rlQValueFunction。
评论家= rlQValueFunction (criticNetwork observationInfo actionInfo,…“ObservationInputNames”,“观察”,“ActionInputNames”,“行动”);
DDPG代理决定哪些操作通过使用演员表示给定的观测。创建演员,首先创建一个深和一个输入神经网络,观察,和一个输出,行动。
构建演员同样的评论家。有关更多信息,请参见<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ref/rlcontinuousdeterministicactor.html" data-docid="rl_ref#mw_c2909424-90f4-4a52-803b-73310483e6c3" class="a">rlContinuousDeterministicActor。
actorNetwork = [featureInputLayer (3“归一化”,“没有”,“名字”,“观察”)fullyConnectedLayer (L,“名字”,“fc1”)reluLayer (“名字”,“relu1”)fullyConnectedLayer (L,“名字”,“取得”)reluLayer (“名字”,“relu2”)fullyConnectedLayer (L,“名字”,“一个fc3”文件)reluLayer (“名字”,“relu3”)fullyConnectedLayer (1,“名字”,“fc4”)tanhLayer (“名字”,“tanh1”)scalingLayer (“名字”,“ActorScaling1”,“规模”,2.5,“偏见”-0.5)];actorNetwork = dlnetwork (actorNetwork);actorOptions = rlOptimizerOptions (“LearnRate”1的军医,“GradientThreshold”,1“L2RegularizationFactor”1的军医);演员= rlContinuousDeterministicActor (actorNetwork observationInfo actionInfo);
创建DDPG代理,首先使用指定DDPG代理选项<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ref/rlddpgagentoptions.html" data-docid="rl_ref#mw_5e9a4c5d-03d5-48d9-a85b-3c2d25fde43c" class="a">rlDDPGAgentOptions。
agentOptions = rlDDPGAgentOptions (…“SampleTime”Ts,…“ActorOptimizerOptions”actorOptions,…“CriticOptimizerOptions”criticOptions,…“ExperienceBufferLength”1 e6);agentOptions.NoiseOptions。方差= 0.6;agentOptions.NoiseOptions。VarianceDecayRate = 1 e-5;
然后,创建DDPG代理使用指定的演员表示,评论家表示,和代理的选择。有关更多信息,请参见<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ref/rlddpgagent.html" data-docid="rl_ref#mw_7e49ed9c-eea8-4994-8532-c7f66d5359ef" class="a">rlDDPGAgent。
代理= rlDDPGAgent(演员、评论家、agentOptions);
火车代理
培训代理商,首先指定培训选项。对于这个示例,使用以下选项:
运行每个训练集5000年600集,每集最多持续时间的步骤。
显示培训进展在事件管理器对话框。
停止训练当代理接收到一集大于260的奖励。
有关更多信息,请参见<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ref/rltrainingoptions.html" data-docid="rl_ref#mw_1f5122fe-cb3a-4c27-8c80-1ce46c013bf0" class="a">rlTrainingOptions。
maxepisodes = 5000;maxsteps =装天花板(Tf / Ts);trainingOpts = rlTrainingOptions (…“MaxEpisodes”maxepisodes,…“MaxStepsPerEpisode”maxsteps,…“详细”假的,…“阴谋”,“训练进步”,…“StopTrainingCriteria”,“EpisodeReward”,…“StopTrainingValue”,260);
火车代理使用<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ref/rl.agent.rlqagent.train.html" data-docid="rl_ref#mw_c0ccd38c-bbe6-4609-a87d-52ebe4767852" class="a">火车函数。培训是一个计算密集型的过程需要几分钟才能完成。节省时间在运行这个例子中,加载一个pretrained代理设置doTraining来假。训练自己代理,集doTraining来真正的。
doTraining = false;如果doTraining%培训代理。trainingStats =火车(代理,env, trainingOpts);其他的%加载pretrained代理的例子。负载(“金宝appSimulinkACCDDPG.mat”,“代理”)结束
模拟DDPG代理
验证的性能训练有素的特工,在仿真软件环境中模拟代理取消以下命令。金宝app代理模拟更多的信息,请参阅<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ref/rlsimulationoptions.html" data-docid="rl_ref#mw_983bb2e9-0115-4548-8daa-687037e090b2" class="a">rlSimulationOptions和<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ref/rl.env.abstractenv.sim.html" data-docid="rl_ref#mw_e6296379-23b5-4819-a13b-210681e153bf" class="a">sim卡。
% simOptions = rlSimulationOptions (MaxSteps, MaxSteps);%的经验= sim (env,代理,simOptions);
演示培训代理使用确定的初始条件,模拟仿真软件的模型。金宝app
x0_lead = 80;sim (mdl)
下面的情节显示仿真结果当领导的车是70 (m)的自我的车。
在第一个28秒,相对距离大于安全距离(情节),所以自我汽车跟踪速度(中间的情节)。加速,到达设定速度,加速度是积极的(情节)。
从28到60秒,相对的距离小于安全距离(情节),所以自我车道的最低速度和速度。从28到36秒,领先速度小于设定速度(中间的情节)。减缓和跟踪领先汽车速度,加速度为负(情节)。汽车从36到60秒,自我调整加速度密切跟踪参考速度(中间的情节)。在这个时间间隔内,自我的车道设置速度从43至52秒和跟踪速度从36 - 43秒52到60秒。
关闭仿真软件模型。金宝app
bdclose (mdl)
重置功能
函数= localResetFcn(中)%的初始位置重置领导的车。= setVariable (,“x0_lead”40 +兰迪(60,1,1));结束
另请参阅
相关的话题
这个例子展示了如何训练深决定性策略梯度(DDPG)代理模型的自适应巡航控制系统(ACC)®。金宝appDDPG代理的更多信息,请参阅<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ug/ddpg-agents.html" data-docid="rl_ug#mw_66c8fe60-f58e-4bdb-904a-21d442f0a879" class="a">深决定性策略梯度(DDPG)代理 强化学习环境对于这个示例是一个简单的汽车和汽车纵向动力学的自我。培训的目标是使自我在一组汽车旅行速度,同时保持安全距离领先的汽车通过控制纵向加速和刹车。下面的例子使用了相同的车辆模型<一个href="//www.tatmou.com/es/es/es/es/help/mpc/ug/adaptive-cruise-control-using-model-predictive-controller.html" data-docid="mpc_ug#mw_5d3362c7-033d-4773-a8e5-5f3d303a9c10" class="a">自适应巡航控制系统使用模型预测控制 指定的初始位置和速度两辆车。 指定停滞默认间距(m),时间差距(s)和司机让速度(米/秒)。 模拟的物理限制车辆动力学、加速度约束的范围 定义样本的时间 打开模型。 对于这个模型: 行动加速度信号从代理环境3到2米/秒^ 2。 自我的参考速度的汽车 环境的观测速度误差 仿真终止当自我汽车的纵向速度小于0,或引导车之间的相对距离和自我汽车变得小于0。 奖励
在哪里 创建一个强化学习环境界面模型。 创建观测规范。 创建操作规范。 创建环境的接口。 定义初始条件导致汽车的位置,指定一个环境重置函数使用一个匿名函数处理。重置功能 解决随机发生器再现性的种子。 DDPG代理接近长期奖励给观测和操作使用批评价值函数表示。创建评论家,首先创建一个深和两个输入神经网络,国家和行动,和一个输出。有关创建一个神经网络的更多信息价值函数表示,看到的<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ug/create-policy-and-value-function-representations.html" data-docid="rl_ug#mw_2c7e8669-1e91-4d42-afa6-674009a08004" class="a">创建政策和价值功能 查看评论家网络配置。 指定选项评论家优化器使用 创建一个使用指定的评论家表示神经网络和选项。您还必须指定动作和评论家的观测信息,你从环境中获取接口。有关更多信息,请参见<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ref/rlqvaluefunction.html" data-docid="rl_ref#mw_e6e7abac-0a33-423b-8473-1409879db701" class="a"> DDPG代理决定哪些操作通过使用演员表示给定的观测。创建演员,首先创建一个深和一个输入神经网络,观察,和一个输出,行动。 构建演员同样的评论家。有关更多信息,请参见<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ref/rlcontinuousdeterministicactor.html" data-docid="rl_ref#mw_c2909424-90f4-4a52-803b-73310483e6c3" class="a"> 创建DDPG代理,首先使用指定DDPG代理选项<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ref/rlddpgagentoptions.html" data-docid="rl_ref#mw_5e9a4c5d-03d5-48d9-a85b-3c2d25fde43c" class="a"> 然后,创建DDPG代理使用指定的演员表示,评论家表示,和代理的选择。有关更多信息,请参见<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ref/rlddpgagent.html" data-docid="rl_ref#mw_7e49ed9c-eea8-4994-8532-c7f66d5359ef" class="a"> 培训代理商,首先指定培训选项。对于这个示例,使用以下选项: 运行每个训练集 显示培训进展在事件管理器对话框。 停止训练当代理接收到一集大于260的奖励。 有关更多信息,请参见<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ref/rltrainingoptions.html" data-docid="rl_ref#mw_1f5122fe-cb3a-4c27-8c80-1ce46c013bf0" class="a"> 火车代理使用<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ref/rl.agent.rlqagent.train.html" data-docid="rl_ref#mw_c0ccd38c-bbe6-4609-a87d-52ebe4767852" class="a"> 验证的性能训练有素的特工,在仿真软件环境中模拟代理取消以下命令。金宝app代理模拟更多的信息,请参阅<一个href="//www.tatmou.com/es/es/es/es/help/reinforcement-learning/ref/rlsimulationoptions.html" data-docid="rl_ref#mw_983bb2e9-0115-4548-8daa-687037e090b2" class="a"> 演示培训代理使用确定的初始条件,模拟仿真软件的模型。金宝app 下面的情节显示仿真结果当领导的车是70 (m)的自我的车。 在第一个28秒,相对距离大于安全距离(情节),所以自我汽车跟踪速度(中间的情节)。加速,到达设定速度,加速度是积极的(情节)。 从28到60秒,相对的距离小于安全距离(情节),所以自我车道的最低速度和速度。从28到36秒,领先速度小于设定速度(中间的情节)。减缓和跟踪领先汽车速度,加速度为负(情节)。汽车从36到60秒,自我调整加速度密切跟踪参考速度(中间的情节)。在这个时间间隔内,自我的车道设置速度从43至52秒和跟踪速度从36 - 43秒52到60秒。 关闭仿真软件模型。金宝app金宝app仿真软件模型
x0_lead = 50;
D_default = 10;t_gap = 1.4;v_set = 30;
amin_ego = 3;amax_ego = 2;
t = 0.1;Tf = 60;
mdl =
创建环境接口
observationInfo = rlNumericSpec (1 [3],
actionInfo = rlNumericSpec ([1],
env = rl金宝appSimulinkEnv (mdl agentblk、observationInfo actionInfo);
env。ResetFcn = @(在)localResetFcn(的);
rng (
创建DDPG代理
L = 48;
情节(layerGraph (criticNetwork))
criticOptions = rlOptimizerOptions (
rlQValueFunction
评论家= rlQValueFunction (criticNetwork observationInfo actionInfo,
rlContinuousDeterministicActor
actorNetwork = [featureInputLayer (3
rlDDPGAgentOptions
agentOptions = rlDDPGAgentOptions (
rlDDPGAgent
代理= rlDDPGAgent(演员、评论家、agentOptions);
火车代理
rlTrainingOptions
maxepisodes = 5000;maxsteps =装天花板(Tf / Ts);trainingOpts = rlTrainingOptions (
火车
doTraining = false;
模拟DDPG代理
rlSimulationOptions
sim卡
% simOptions = rlSimulationOptions (MaxSteps, MaxSteps);
x0_lead = 80;sim (mdl)
bdclose (mdl)
重置功能
函数
另请参阅
相关的话题