使用基线进行学习的选项，指定为逻辑值。什么时候UseBaseline是真的，必须将批评网络指定为基线函数近似器。

通常，为了更简单地存在较小的演员网络，PG代理没有基线就好工作。

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。什么时候Usedeterministicexploitation.被设定为真的时，总是使用最大似然的动作SIM和生成policyfunction.，这导致代理人的行为确定。

什么时候Usedeterministicexploitation.被设定为错误的，代理示例从概率分布的动作，这导致代理随机行事。

代理的采样时间，指定为正标量。

在一个simuli金宝appnk中^®环境，代理人每次执行采样时间模拟时间秒。

在MATLAB^®环境中，每当环境进步时，代理就会被执行。然而,采样时间返回的输出经验中连续元素之间的时间间隔是多少SIM或火车。

折扣系数适用于培训期间未来奖励，指定为小于或等于1的正标量。

熵损失重量，指定为标量值0.和1。更高的熵损失重量值通过对其太肯定采取的行动施加罚款来促进代理商探索。这样做可以帮助代理人退出本地Optima。

当在训练期间计算梯度时，计算额外的梯度分量以最小化该损失函数。