使用为该环境配置的代理模拟强化学习环境。对于本例，加载已经配置好的环境和代理。该环境是一个离散的车杆环境创建rlPredefinedEnv．代理是一种政策渐变（rlpgagent.） 代理人。有关在此示例中使用的环境和代理的详细信息，请参阅训练PG代理平衡车杆系统．

rng (0)%的再现性负载RLSimExample.matenv

Env = CartpoledIscreteAcreacteAdeaction：重力：1 9.8000 Masscart：1 MassPole：0.1000

代理

agent = rlPGAgent with properties: AgentOptions: [1x1 rl.option.rlPGAgentOptions]

通常，您使用使用的代理商火车并模拟环境来测试训练后的agent的性能。对于本例，使用加载的代理模拟环境。配置模拟选项，指定模拟运行100步。

simOpts = rlSimulationOptions ('maxsteps', 100);

对于在此示例中使用的预定义推车环境。您可以使用情节生成车杆系统的可视化。当您模拟环境时，这个情节会自动更新，以便您可以在模拟过程中观察系统的发展。

情节(env)

模拟环境。

经验= sim (env,代理simOpts)

经验=结构与字段：观察:[1x1 struct]动作:[1x1 struct]奖励:[1x1 timeseries] IsDone: [1x1 timeseries] SimulationInfo: [1x1 struct]

输出结构经验记录从环境中收集的观察，行动和奖励以及在模拟期间收集的其他数据。每个字段包含一个timeseries对象或结构timeseries数据对象。例如，经验是一个timeseries在模拟的每个步骤中包含代理在推车系统上施加的动作。

经验

ans =.结构与字段：CartPoleAction (1 x1 timeseries):

模拟为示例中使用的Simulink®模型创建的环境万博1manbetx培训多个代理商执行协作任务，使用在那个例子中训练的特工。

在MATLAB®工作空间中加载代理。

负载rlCollaborativeTaskAgents

创造一个环境rlCollaborativeTask万博1manbetxSimulink®模型，有两个代理块。由于两个块使用的代理（agentA和agentB）已经在工作区中，您无需通过他们的观察和操作规范来创建环境。

ent = rl万博1manbetxsimulinkenv（“rlCollaborativeTask”，[“rlcollaborativetask /代理A”，“rlcollaborativetask /代理b”]）;

加载所需的参数rlCollaborativeTask万博1manbetxSimulink®模型运行。

rlCollaborativeTaskParams

在环境中模拟代理，保存体验xpr．

XPR = SIM（env，[Agenta Agentb]）;

策划两个特工的行动。

子图（2,1,1）;绘图（XPR（1）.action.Forces）子图（2,1,2）;绘图（XPR（2）.action.Forces）