generatePolicyFunction

建立评估强化学习代理训练策略的函数

全页折叠

语法

generatePolicyFunction(代理)

generatePolicyFunction(代理、名称、值)

描述

例子

generatePolicyFunction (代理)创建一个函数，该函数使用默认函数、策略和数据文件名计算指定代理的已学习策略。生成策略评价函数后，可以:

为使用的函数生成代码MATLAB^®编码器™或GPU编码器™。有关更多信息，请参见部署经过培训的强化学习策略。
在Simulink中模拟训练好的agent万博1manbetx^®使用一个MATLAB函数块。

例子

generatePolicyFunction (代理,名称,值)使用一个或多个名称-值对参数指定函数、策略和数据文件名。

例子

全部折叠

为PG代理创建策略评估功能

打开生活的脚本

这个例子展示了如何为PG代理创建一个策略评估函数。

首先，创建并训练一个强化学习代理。在本例中，加载经过训练的PG代理训练PG代理人平衡吊柱系统:

负载(“MATLABCartpolePG.mat”,“代理”)

然后，使用默认的名称为这个代理创建一个策略评估函数:

generatePolicyFunction(代理);

此命令创建evaluatePolicy.m文件，其中包含策略函数，以及agentData.mat包含经过训练的深度神经网络演员。

查看生成的函数。

类型evaluatePolicy.m

@ function action1 = evaluatePolicy(observation1) %#codegen % Reinforcement Learning Toolbox %生成于:29-Feb-2020 02:08:21 actionSet = [-10 10];%从采样概率中选择动作概率= localEvaluate(观测1);p = probability (:)'/sum(probability);%确定取边的动作= min([0 cumsum(p)]，1);边(结束)= 1;[~,actionIndex] = histc(兰德(1,1),边);%#ok action1 = actionSet(actionIndex);end %%本地函数函数概率= localEvaluate(observation1)持久化策略如果是空的(policy)策略= code . loaddeeplearningnetwork ('agentData.mat'，'policy');结束概率=预测(政策，观测1);结束

对于给定的观察，策略函数使用actor网络评估每个潜在操作的概率。然后，策略函数根据这些概率随机选择一个动作。

由于此PG代理的actor网络只有一个输入层和一个输出层，因此可以使用Deep Learning Toolbox™生成功能为该网络生成代码。有关更多信息，请参见部署经过培训的强化学习策略。

建立Q-Learning Agent的策略评估功能

打开生活的脚本

这个例子展示了如何为Q-Learning Agent创建一个策略评估函数。

在这个例子中，加载Q-learning agent训练在基本网格世界中训练增强学习代理

负载(“basicGWQAgent.mat”,“qAgent”)

为此代理创建策略评估函数并指定代理数据文件的名称。

generatePolicyFunction (qAgent“MATFileName”,“policyFile.mat”)

此命令创建evaluatePolicy.m文件，其中包含策略函数，以及policyFile.mat文件，其中包含经过训练的Q表值函数。

查看生成的函数。

类型evaluatePolicy.m

函数action1 = evaluatePolicy(observation1) %#codegen % Reinforcement Learning Toolbox %生成于:29-Feb-2020 02:12:06 actionSet = [1;2;3;4];numActions =元素个数(actionSet);q = 0 (1、numActions);对于i = 1:numActions q(i) = localEvaluate(observation1,actionSet(i));end [~，actionIndex] = max(q);action1 = actionSet (actionIndex);函数q = localEvaluate(observation1,action)持久化策略如果为空(policy) s = code .load('policyFile.mat'，'policy');政策= s.policy;末端起搏= [1;2;3;4];observationSet = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12、13、14、15、16、17、18、19、20、21、22、23、24、25); actionIndex = rl.codegen.getElementIndex(actionSet,action); observationIndex = rl.codegen.getElementIndex(observationSet,observation1); q = policy(observationIndex,actionIndex); end

对于给定的观察，策略函数使用Q表查找每个潜在操作的值函数。然后，策略函数选择值函数最大的操作。

您可以使用MATLAB®Coder™为该策略函数生成代码

有关更多信息，请参见部署经过培训的强化学习策略