火车加固学习代理

一旦创建了一个环境并强化了学习代理，就可以在环境中使用火车函数。要配置培训，请使用rlTrainingOptions函数。例如，创建培训选项集选择和火车代理代理人在环境中env.．

opt = rltringOptions（......“MaxEpisodes”，1000，......“MaxStepsPerEpisode”，1000，......'stoptrinaincriteria'那“AverageReward”那......“StopTrainingValue”, 480);trainStats =火车(代理,env,选择);

有关创建代理的详细信息，请参见强化学习代理．有关创建环境的更多信息，请参见创建MATLAB强化学习环境和创建Simul万博1manbetxink强化学习环境．

火车更新代理作为培训进展。要保留原始代理参数以供以后使用，请将代理保存到MAT文件。

节省（“initialAgent.mat”那“代理”的）

中指定的条件将自动终止培训stoptrinatreaincriteria.和stoptriningvalue.您的选择rlTrainingOptions对象满意。手动终止正在进行的培训，类型Ctrl + C或者，在钢筋学习集团管理器中，单击停止训练．因为火车更新每个集中的代理，您可以通过呼叫恢复培训火车（代理商，env，训练）同样，在不丢失第一次调用时学到的训练参数的情况下火车．

训练算法

一般来说，培训执行以下步骤。

初始化代理。
对于每一次集：
1. 重置环境。
2. 得到最初的观察结果S._0.来自环境。
3. 计算初始动作一种_0.=μ（S._0.），在哪里μ（S.）是目前的政策。
4. 将当前操作设置为初始操作(一种←一种_0.)，将当前观测值设置为初始观测值(S.←S._0.）.
5. 当情节尚未结束或终止时，请执行以下步骤。
  1. 应用操作一种对环境并获得下一个观察S''和奖励R.．
  2. 从经验中学习（S.那一种那R.那S'）.
  3. 计算下一个操作一个“=μ（S'）.
  4. 使用下一个操作更新当前操作(一种←一个“）通过下次观察更新当前观察（S.←S'）.
  5. 如果满足环境中定义的终止条件，则终止该集。
如果满足培训终止条件，终止培训。否则，就开始下一集。

软件如何执行这些步骤的细节取决于代理和环境的配置。例如，在每一集的开始重置环境可以包括随机初始状态值，如果您配置您的环境这样做。有关代理及其训练算法的更多信息，请参见强化学习代理．使用并行处理和GPU加速培训，看使用并行计算和gpu的列车代理．

事件管理器

默认情况下，调用火车功能打开钢筋学习剧集管理器，可让您可视化培训进度。Episode Manager Plot显示每个剧集的奖励（EpisodeReward.）和运行的平均奖励价值（AverageReward）.同样，对于有评论家的特工，情节显示了评论家在每一集开始时对折扣长期报酬的估计(Episodeq0.）.Episode Manager还显示各种剧集和培训统计信息。你也可以使用火车返回剧集和培训信息的功能。

对于批评者的代理人，集Q0考虑到环境初步观察，是每一集开始时折扣长期奖励的估计。随着培训进展，如果评论家设计得好。集Q0接近真实的贴现长期回报，如上图所示。

要关闭钢筋学习剧集管理器，请设置绘图选择rlTrainingOptions到“没有”．

保存候选药物

在培训期间，您可以保存符合您指定条件的候选代理商SaveAgentCriteria和SaveAgentValue.您的选择rlTrainingOptions目的。例如，即使尚未满足终止培训的整体条件，您还可以保存剧集奖励超出某个值的任何代理。例如，当集中奖励大于时，保存代理One hundred.．

opt = rltringOptions（'SaveAgentCriteria'那“EpisodeReward”那'saveagentvalue'，100'）;

火车将已保存的代理存储在指定的文件夹中的mat -文件中SaveAgentDirectory.选择rlTrainingOptions．保存的代理可能很有用，例如，用于测试在长时间的训练过程中生成的候选代理。保存条件和保存位置请参见rlTrainingOptions．

培训完成后，您可以从MATLAB保存最终培训的代理^®工作区使用保存函数。例如，保存代理myAgent.到文件FinalAgent.mat.在当前的工作目录中。

保存（opt.saveAgentDirectory +“/finalagent.mat”那'代理人'的）

缺省情况下，当保存DDPG和DQN代理时，不会保存体验缓冲区数据。如果您计划进一步列出已保存的代理，您可以使用以前的体验缓冲区作为起点开始培训。在这种情况下，设置SaveExperienceBufferWithAgent选项真正的．对于某些代理，例如具有较大经验缓冲区和基于图像的观察的代理，保存经验缓冲区所需的内存很大。在这些情况下，必须确保为保存的代理程序提供足够的内存。

验证培训的政策

要验证经过培训的代理，可以在培训环境中使用SIM函数。要配置模拟，请使用rlSimulationOptions．

验证代理时，请考虑检查代理如何处理以下情况:

更改仿真初始条件 - 要更改模型初始条件，请修改环境的重置功能。例如，重置函数，请参阅使用自定义函数创建MATLAB环境那创建自定义MATLAB环境从模板,创建Simul万博1manbetxink强化学习环境．
训练和模拟环境动态之间的不匹配——为了检查这种不匹配，以创建训练环境的相同方式创建测试环境，修改环境行为。

与并行培训一样，如果您有并行计算工具箱™软件，则可以在多核计算机上运行多个并行模拟。如果你有MATLAB并行服务器™软件，您可以在计算机集群或云资源上运行多个并行模拟。有关配置模拟以使用并行计算的更多信息，请参见使用指α.和并行化选项在rlSimulationOptions．