深度确定性策略梯度强化学习主体
深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法是一种行动者-批评者、无模型、在线、非策略强化学习方法,计算出长期回报最大化的最优策略。动作空间只能是连续的。
有关更多信息,请参见深度确定性策略梯度代理.有关不同类型的强化学习代理的更多信息,请参见强化学习代理.
使用默认初始化选项,为具有给定观察和操作规范的环境创建深度确定性策略梯度代理。代理中的参与者和批评家表示使用根据观察规范构建的默认深度神经网络代理
= rlDDPGAgent (observationInfo
,actionInfo
)observationInfo
以及动作规范actionInfo
.
为具有给定观察和操作规范的环境创建一个深度确定性策略梯度代理。属性中指定的选项配置的默认网络代理
= rlDDPGAgent (observationInfo
,actionInfo
,initOpts
)initOpts
有关初始化选项的详细信息,请参阅rlAgentInitializationOptions
.
创建DDPG代理并设置代理
= rlDDPGAgent (___,代理
)AgentOptions
财产归代理
输入参数。在前面语法中的任何输入参数之后使用此语法。
rlAgentInitializationOptions
|rlDDPGAgentOptions
|rlQValueRepresentation
|rlDeterministicActorRepresentation
|深层网络设计师