使用为该环境配置的代理模拟强化学习环境。对于本例，加载已经配置的环境和代理。环境是一个离散的车极环境创建与rlPredefinedEnv．代理是一个策略梯度(rlPGAgent)代理。有关本例中使用的环境和代理的更多信息，请参见训练PG代理人平衡车杆系统．

rng (0)可重复性%负载RLSimExample.matenv

env = cartpoledistteaction with properties: Gravity: 9.8000 MassCart: 1 MassPole: 0.1000 Length: 0.5000 MaxForce: 10 Ts: 0.0200 thetathresholdraans: 0.2094 XThreshold: 2.4000 RewardForNotFalling: 1 pentyforfalling: -5 State: [4×1 double]

代理

AgentOptions: [1×1 rl.option. agent = rpgagent . properties:rlPGAgentOptions] UseExplorationPolicy: 1 ObservationInfo: [1×1 rl.util.rlNumericSpec] ActionInfo: [1×1 rl.util.rlFiniteSetSpec] SampleTime: 0.1000

通常，你训练代理使用火车并对所训练的智能体进行环境模拟，以测试其性能。对于本例，使用加载的代理模拟环境。配置模拟选项，指定模拟运行100步。

simOpts = rlSimulationOptions(“MaxSteps”, 100);

对于本例中使用的预定义的车杆环境。你可以用情节生成车杆系统的可视化。当您模拟环境时，这个图会自动更新，以便您可以在模拟过程中观察系统的发展。

情节(env)

模拟环境。

experience = sim(env,agent,simOpts)

经验=带有字段的结构:观察:[1×1 struct]动作:[1×1 struct]奖励:[1×1 timeseries] IsDone: [1×1 timeseries] SimulationInfo: [1×1 struct]

输出结构经验记录从环境中收集到的观察，行动和奖励，以及在模拟过程中收集到的其他数据。每个字段包含一个timeseries的对象或结构timeseries数据对象。例如,体验。行动是一个timeseries包含代理在模拟的每一步对车-杆系统的作用。

体验。行动

ans =带有字段的结构:CartPoleAction: [1×1 timeseries]

模拟为本例中使用的Simulink®模型创建的环境万博1manbetx训练多个代理执行协作任务，使用在那个例子中训练过的特工。

在MATLAB®工作区中加载代理。

负载rlCollaborativeTaskAgents

创造一个环境rlCollaborativeTask万博1manbetxSimulink®模型，它有两个代理块。由于两个块使用的代理(agentA而且agentB)已经在工作空间中，您不需要通过它们的观察和操作规范来创建环境。

env = rl万博1manbetxSimulinkEnv(“rlCollaborativeTask”，[“rlCollaborativeTask /代理”，“B rlCollaborativeTask /代理”]);

控件所需的参数rlCollaborativeTask万博1manbetxSimulink®模型要运行。

rlCollaborativeTaskParams

模拟人工智能对环境的影响，节省人工智能的经验xpr．

xpr = sim(env，[agentA agentB]);

策划两个代理人的行动。

次要情节(2,1,1);情节(xpr (1) .Action.forces)次要情节(2,1,2);情节(xpr (2) .Action.forces)