政策与价值功能

定义策略和值函数表示，如深度神经网络和Q表

强化学习策略是一种映射，它根据对环境的观察选择要采取的行动。在训练期间，代理调整其策略表示的参数，以最大化长期回报。

Reinforcement Learning Toolbox™软件为演员和评论家表示提供对象。行动者代表选择最佳行动的策略。评论家代表了评估当前政策价值的价值函数。根据您的应用程序和选择的代理，您可以使用深度神经网络、线性基函数或查询表定义策略和值函数。有关更多信息，请参见创建策略和价值功能表示．

功能

`rlValueRepresentation`	强化学习主体的价值函数批判表示
`rlQValueRepresentation`	强化学习主体的q值函数批判表示
`rlDeterministicActorRepresentation`	强化学习主体的确定性行为体表示
`rlStochasticActorRepresentation`	强化学习智能体的随机角色表示
`rlRepresentationOptions`	为强化学习代理表示(批评者和参与者)设置的选项
`rlTable`	值表或Q表

`getAction`	根据环境观察，从行为者或行动者的表现中获得行动
`getValue`	获得估计值函数表示
`getMaxQValue`	得到了离散作用空间下q值函数表示的最大状态值函数估计

使用函数近似器(如深度神经网络)指定策略和值函数表示。

您可以使用ONNX™模型格式从其他深度学习框架导入现有策略。