训练代理的最大集数，指定为正整数。无论其他终止条件如何，训练将在最大集．

例子：“MaxEpisodes”,1000年

每集要运行的最大步骤数，指定为正整数。通常，您可以在环境中定义集终止条件。如果不满足其他终止条件，此值是该集要运行的最大步骤数。

例子：“MaxStepsPerEpisode”,1000年

平均每个代理的分数、奖励和步骤数的窗口长度，指定为标量或向量。

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^®环境中，指定标量以将相同的窗口长度应用于所有代理。

要为每个代理使用不同的窗口长度，请指定ScoreAveragingWindowLength作为向量。在这种情况下，向量中元素的顺序对应于环境创建期间使用的代理的顺序。

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StopTrainingCriteria是“平均向上”和StopTrainingValue是500对于一个给定的代理，那么对于那个代理，当平均奖励超过了在ScoreAveragingWindowLength等于或超过500.对于其他代理人，培训将持续到：

例子：“ScoreAveragingWindowLength”,10

训练终止条件，指定为以下字符串之一:

例子：“StopTrainingCriteria”、“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StopTrainingValue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。要为每个代理使用不同的终止标准，请指定StopTrainingValue作为向量。在这种情况下，向量中元素的顺序对应于环境创建期间使用的代理的顺序。

对于给定的代理，培训将在StopTrainingCriteria选项等于或超过此值。对于其他代理人，培训将持续到：

例如,如果StopTrainingCriteria是“平均向上”和StopTrainingValue是100对于一个给定的代理，那么对于那个代理，当平均奖励超过了在ScoreAveragingWindowLength等于或超过100．

例子：“StopTrainingValue”,100年

培训期间保存代理的条件，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来“EpisodeReward”并设置SaveAgentValue选择100。当一集奖励等于或超过100时，火车将相应的代理保存在由指定的文件夹中的MAT文件中SaveAgentDirectory选择。MAT文件被调用AgentK.mat哪里K为对应插曲的个数。代理存储在MAT文件中为saved_agent．

例子：“SaveAgentCriteria”和“EpiosodeReward”

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。

如果培训环境是多agent Simulink环境，请指定一个标量，以便对每个agent应用万博1manbetx相同的保存标准。要在满足特定条件时保存代理，请指定SaveAgentValue作为一个向量。在本例中，向量中元素的顺序与创建环境时使用的代理的顺序相对应。当满足保存代理的条件时，所有代理将保存在同一个MAT文件中。

使用指定保存候选代理的条件时SaveAgentCriteria时，软件将此值设置为500。更改该值以指定保存代理的条件。看到SaveAgentCriteria选项以获取更多详细信息。

例子：“SaveAgentValue”,100年

已保存代理的文件夹，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SaveAgentCriteria和SaveAgentValue选项，软件将代理保存在此文件夹中的MAT文件中。如果文件夹不存在，火车创造它。什么时候SaveAgentCriteria是“没有”，此选项将被忽略，并且火车不创建文件夹。

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

用于使用并行训练的标志，指定为逻辑. 将此选项设置为符合事实的将培训配置为使用并行处理来模拟环境，从而允许使用多核、处理器、计算机集群或云资源来加速培训。要指定并行训练的选项，请使用ParallelizationOptions财产。

什么时候UseParallel是符合事实的对DQN、DDPG、TD3和SAC则为NumStepsToLookAhead属性或相应的代理选项对象必须设置为1，否则会产生错误。这保证了体验是连续存储的。当AC代理并行训练时，如果STEPSUNTILDATISSENT财产的ParallelizationOptions对象设置为与NumStepToLookAhead属性。

请注意，如果要使用本地GPU加速深层神经网络计算（如梯度计算、参数更新和预测），则无需设置UseParallel为true。相反，在创造你的演员或评论家形象时，使用rlRepresentationOptions对象，其中使用设备选项设置为“图形”. 使用并行计算或GPU需要并行计算工具箱™ 软件使用计算机群集或云资源还需要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，请参见使用并行计算和GPU训练代理．

例子：“UseParallel”，对

用于控制并行训练的并行化选项，指定为平行训练有关使用并行计算进行培训的更多信息，请参阅训练强化学习代理．

的平行训练对象具有以下属性，您可以在创建RL培训选项对象

在命令行上显示训练进度，指定为逻辑值假(0)或符合事实的(1)设置符合事实的在训练期间将每个训练集的信息写入MATLAB命令行。

选项停止训练时，错误发生在一集，指定为“上”或“关”．当这个选项是“关”，将捕获错误并在中返回模拟信息的输出火车，培训将继续进行到下一集。

使用章节管理器显示培训进度选项，指定为“训练进步”或“没有”。默认情况下，调用火车打开Reinforcement Learning Episode Manager，它以图形化和数字化的方式显示关于训练进度的信息，例如每个章节的奖励、平均奖励、章节数量和总步骤数。(有关更多信息，请参见火车）要关闭此显示，请将此选项设置为“没有”．