此示例显示了如何在Simulink®中为自适应巡航控制(ACC)培训深层确定性策略梯度(DDPG)代理。有关DDPG代理的更多信息,请参阅万博1manbetx 此示例的增强学习环境是自助式汽车和铅轿车的简单纵向动态。培训目标是使自助式汽车以设定的速度行驶,同时通过控制纵向加速和制动来维持沿线轿厢的安全距离。此示例使用相同的车型模型 指定两辆车的初始位置和速度。 指定静止默认间隔(m),时间间隙和驱动器设置速度(M / s)。 要模拟车辆动力学的物理限制,请将加速度限制在范围内 定义采样时间 打开模型。 对于此模型: 从代理到环境的加速度动作信号为-3到2 m/s^2。 自助式汽车的参考速度 环境的观察是速度误差 当自助车的纵向速度小于0的纵向速度或引线轿厢和自助轿车之间的相对距离变得小于0时,模拟终止。 奖赏
在哪里 为模型创建强化学习环境界面。 创建观察规范。 创建操作规范。 创建环境接口。 要定义领头车位置的初始条件,请使用匿名函数句柄指定环境重置函数。重置函数 修复随机生成器种子的再现性。 DDPG代理使用临界值函数表示来近似给定观察和行动的长期回报。要创建批评家,首先创建一个具有两个输入、状态和动作以及一个输出的深度神经网络。有关创建神经网络值函数表示的详细信息,请参见 查看网络配置。 使用指定批评家表示的选项 使用指定的神经网络和选项创建批评家表示。还必须指定批评家的操作和观察信息,这些信息是从环境界面获得的。有关更多信息,请参阅 DDPG代理通过使用参与者表示来决定执行给定观察的操作。要创建演员,首先创建一个深度神经网络,一个输入,一个观察,一个输出,一个动作。 以类似于批评家的方式构造参与者。有关更多信息,请参阅 要创建DDPG代理,请首先使用指定DDPG代理选项 然后,使用指定的参与者表示、评论家表示和代理选项创建DDPG代理。有关更多信息,请参阅 要培训代理,首先指定培训选项。对于此示例,请使用以下选项: 每次训练最多进行一次 在Episode Manager对话框中显示培训进度。 当代理收到大于260的情节奖励时停止训练。 有关更多信息,请参阅 训练代理人使用 要验证培训的代理的性能,请通过取消注释以下命令来模拟Simulink环境中的代理。万博1manbetx有关代理模拟的更多信息,请参阅 要使用确定性初始条件演示经过训练的agent,请在Simulink中模拟该模型。万博1manbetx 以下情节显示了当铅轿车在自助轿厢之前70(m)时显示仿真结果。 在前28秒,相对距离大于安全距离(底部图),所以自我汽车轨迹设定速度(中间图)。为了加速并达到设定的速度,加速度是正的(上图)。 从28到60秒,相对距离小于安全距离(底部图),因此自我车辆追踪引线速度和设定速度的最小值。从28到36秒,引线速度小于设定的速度(中间图)。为了减速并跟踪铅轿厢速度,加速是负(顶部图)。从36到60秒,自助式汽车调整其加速以跟踪参考速度(中间图)。在此时间间隔内,自助式汽车将设定的速度从43到52秒追踪,并将引线速度从36到43秒跟踪到52到60秒。 关闭Simulink万博1manbetx模型。万博1manbetxSimulink模型
x0_铅=50;
D_default = 10;t_gap = 1.4;v_set = 30;
阿明•伊戈=-3;阿玛克斯•伊戈=2;
t = 0.1;Tf = 60;
mdl =
创建环境界面
observationInfo=rlNumericSpec([3 1],
actionInfo = rlNumericSpec([1 1],
env = rl万博1manbetxSimulinkEnv (mdl agentblk、observationInfo actionInfo);
env.ResetFcn=@(in)localResetFcn(in);
rng (
创建DDPG代理
L=48;
绘图(关键网络)
rlRepresentationOptions
临界点=rlRepresentationOptions(
rlqvalueerepresentation
critic=rlQValueRepresentation(关键网络、观测信息、动作信息、,
RLDETerminyActorRepresentation
actorNetwork=[featureInputLayer(3,
rlDDPGAgentOptions
agentOptions=rlDDPGAgentOptions(
rlddpgagent.
代理= rlDDPGAgent(演员、评论家、agentOptions);
列车员
RL培训选项
maxepisodes = 5000;maxsteps =装天花板(Tf / Ts);trainingOpts = rlTrainingOptions (
火车
dotraining = false;
模拟DDPG代理
rlSimulationOptions
模拟
%simOptions=rlSimulationOptions('MaxSteps',MaxSteps);
x0_lead = 80;SIM(MDL)
bdclose(mdl)
重置功能
作用
另见
相关话题