发作的最大数目来训练剂，指定为一个正整数。不管其他条件终止，终止训练后MaxEpisodes．

例子:“MaxEpisodes”,1000年

每集运行的最大步骤数，指定为正整数。通常，您可以在环境中定义集终止条件。此值是在不满足其他终止条件时在情节中运行的最大步骤数。

例子:“MaxStepsPerEpisode”,1000年

窗口长度，用于平均分数，奖励和数量的步骤为每个代理，指定为标量或矢量。

如果培训环境包含单个代理，请指定ScoreAveragingWindowLength作为一个标量。

如果培训环境是多智能体Simulink万博1manbetx^®环境，指定一个标量相同的窗口长度适用于所有代理。

用于每个试剂的不同窗口长度中，指定ScoreAveragingWindowLength作为一个向量。在本例中，向量中元素的顺序与环境创建期间使用的代理的顺序相对应。

对于以平均值表示的期权，ScoreAveragingWindowLength是包含在平均值中的剧集数量。例如,如果停车训练标准是“AverageReward”， 和停止训练值是500对于给定的代理，那么对于该代理，训练终止当平均奖励超过所指定的集中的剧集数量时ScoreAveragingWindowLength等于或超过500．对于其他代理人，继续培训，直至:

例子:“ScoreAveragingWindowLength”,10

训练终止条件，指定为以下字符串之一:

例子:'stoptriningcriteria'，“AverageReward”

训练终止条件的临界值，指定为标量或向量。

如果培训环境包含单个代理，请指定停止训练值作为一个标量。

如果培训环境是多agent Simulink环境，请指定一个标量以将相同的终止条件应用于所万博1manbetx有agent。若要为每个agent使用不同的终止条件，请指定停止训练值作为一个向量。在本例中，向量中元素的顺序与环境创建期间使用的代理的顺序相对应。

对于给定的试剂，当终止条件中指定由训练端停车训练标准选项等于或超过此值。对于其他代理人，培训继续进行，直到:

例如,如果停车训练标准是“AverageReward”， 和停止训练值是100.对于给定的代理，那么对于该代理，训练终止当平均奖励超过所指定的集中的剧集数量时ScoreAveragingWindowLength等于或超过100.．

例子:“StopTrainingValue”,100年

条件，指定为以下字符串之一:

设置此选项以存储根据指定的标准执行良好的候选代理。当您将此选项设置为非“没有”，软件设置SaveAgentValue选择500。您可以更改该值以指定保存代理的条件。

例如，假设您希望存储任何生成集奖励等于或超过100的代理，以供进一步测试。为此，设置SaveAgentCriteria到“情节奖励”并设置SaveAgentValue选择100。当一集奖励等于或超过100时，火车将对应的代理保存到指定文件夹中的MAT文件中SaveAgentDirectory选择。MAT文件被调用马蹄铁,在那里K是相应集的编号。代理存储在该MAT文件中，作为saved_agent．

例子:“SaveAgentCriteria”、“EpisodeReward”

保存代理的条件的临界值，指定为标量或向量。

如果培训环境包含单个代理，请指定SaveAgentValue作为一个标量。

如果训练环境是多智能体Simulink环境，则指定一个标量对每个智能体应用相同的保存准则。万博1manbetx要在满足特定条件时保存代理，请指定SaveAgentValue作为向量。在这种情况下，向量中元素的顺序对应于创建环境时使用的代理的顺序。当满足保存代理的条件时，所有代理都保存在同一MAT文件中。

当您指定的条件使用节能候选药物SaveAgentCriteria，软件将此值设置为500。更改此值以指定保存代理的条件。请参阅SaveAgentCriteria选择更多的细节。

例子:“SaveAgentValue”,100年

保存的代理程序的文件夹，指定为字符串或字符向量。文件夹名称可以包含完整路径或相对路径。当事件发生时，满足条件SaveAgentCriteria和SaveAgentValue选项时，该软件将代理保存在此文件夹中的MAT文件中。如果该文件夹不存在，火车创建它。当SaveAgentCriteria是“没有”，此选项将被忽略火车不创建文件夹。

例子:“SaveAgentDirectory”，pwd+“\run1\Agents”

标志用于使用并行训练，指定为逻辑。将此选项设置为真的将培训配置为使用并行处理来模拟环境，从而允许使用多个内核、处理器、计算机群集或云资源来加速培训。若要指定并行培训的选项，请使用ParallelizationOptions财产。

需要注意的是，如果你想使用本地GPU来加速深层神经网络计算（如梯度计算，参数更新和预测），你并不需要一套UseParallel为true。相反，在创造你的演员或评论家形象时，使用rlRepresentationOptions对象，其中UseDevice选项设置为“gpu”．

使用并行计算或GPU需要并行计算工具箱™软件。另外需要使用计算机集群或云资源MATLAB并行服务器™．

有关使用多核处理器和GPU进行培训的更多信息，请参阅使用并行计算和gpu的列车代理．

例子:'UseParallel'，真

并行化选项来控制并行训练，指定为ParallelTraining目的。有关使用并行计算培训的详细信息，请参阅训练强化学习代理．

的ParallelTraining对象具有以下属性，您可以在创建rlTrainingOptions目的。

在命令行上显示训练进度，指定为逻辑值假(0)或真的(1)设置真的在培训期间，将每个培训事件中的信息写入MATLAB命令行。

当一集中发生错误时停止训练的选项，指定为“关于”或者“离开”。当选择此选项时“离开”中捕获并返回错误SimulationInfo的输出火车，训练继续到下一集。

使用章节管理器显示培训进度选项，指定为“培训进度”或者“没有”．默认情况下，调用火车打开强化学习事件管理器，该管理器以图形和数字方式显示有关培训进度的信息，例如每一事件的奖励、平均奖励、事件数和步骤总数。（有关更多信息，请参阅火车。）要关闭此画面中，将该选项设置为“没有”．