帮助中心帮助中心

金宝app环境

使用Simulink对强化学习环境动态建模金宝app^®模型

在强化学习场景中，环境对代理交互的动态进行建模。环境:

从代理接收操作
输出由环境模型的动态行为产生的观察结果
生成奖励，衡量行动对完成任务的贡献程度

您可以使用Simulink模型创建预定义和自定义环境。金宝app有关更多信息，请参见创建Simul金宝appink强化学习环境。

功能

环境创建

`rlPredefinedEnv`	创建一个预定义的强化学习环境
`rl金宝appSimulinkEnv`	使用动态模型创建强化学习环境金宝app
`createIntegratedEnv`	创建金宝app以参考模型为环境的强化学习模型
`validateEnvironment`	验证自定义强化学习环境
`金宝appSimulinkEnvWithAgent`	强化学习环境与动态模型的实现金宝app

奖励计算

`generateRewardFunction`	从控制规范生成奖励函数来训练强化学习代理
`exteriorPenalty`	一个点关于有界区域的外部惩罚值
`hyperbolicPenalty`	一个点关于有界区域的双曲惩罚值
`barrierPenalty`	一个点相对于有界区域的对数势垒惩罚值

环境界面

`rlFiniteSetSpec`	为强化学习环境创建离散的动作或观察数据规范
`rlNumericSpec`	为强化学习环境创建持续的动作或观察数据规范
`getActionInfo`	从强化学习环境或agent中获取动作数据规范
`getObservationInfo`	从强化学习环境或agent获取观测数据规范
`bus2RLSpec`	的元素创建强化学习数据规范金宝app公共汽车

重置环境

`重置`	重置环境、代理、经验缓冲区或策略对象

块

强化学习剂

主题

创建Simul金宝appink强化学习环境
使用与代理交互的Simulink模型对环境动态进行建模，生成响应代理动金宝app作的奖励和观察结果。
为强化学习设计金宝app器创建Simulink环境
导入自定义Simulink环境或金宝app创建预定义的Simulink环境。
定义奖励信号
创建一个奖励信号来衡量代理在实现其目标方面的成功程度。
加载预定义的Simulink环境金宝app
加载预定义的Simulink控制金宝app系统环境。
水箱强化学习环境模型
创建一个强化学习Simulink环境，其中包含一个RL Agen金宝appt块，以代替水箱中水位的控制器。