主要内容
rlMDPEnv
为强化学习创建马尔可夫决策过程环境
描述
马尔可夫决策过程（MDP）是一个离散时间随机控制过程。它提供了一个数学框架，用于在结果部分随机，部分受决策者控制的情况下建模决策。MDP对于研究使用强化学习解决的优化问题非常有用。使用rlMDPEnv在MATLAB中创建强化学习的Markov决策过程环境®.
性质
目标函数
getActionInfo |
从强化学习环境或代理获取行动数据规范 |
获取观测信息 |
从强化学习环境或代理获取观察数据规范 |
模拟 |
在指定环境中模拟经过培训的强化学习代理 |
火车 |
在特定环境中培训强化学习代理 |
验证环境 |
验证自定义强化学习环境 |
例子
创建网格世界环境
对于这个例子，考虑一个5×5网格世界，其规则如下：
以边界为界的五乘五网格世界，有4种可能的行动（北=1，南=2，东=3，西=4）。
代理从单元格[2,1]（第二行，第一列）开始。
如果代理在单元格[5,5]（蓝色）处达到终端状态，则该代理将获得+10奖励。
环境包含从[2,4]单元到[4,4]单元的特殊跳跃，奖励为+5。
该试剂被细胞[3,3]、[3,4]、[3,5]和[4,3]（黑细胞）中的障碍物阻断。
所有其他行为将获得-1奖励。
首先，创建一个网格世界使用createGridWorld作用
GW=createGridWorld（5,5）
GW=GridWorld，属性为：GridSize:[5]CurrentState:[1,1]“状态：[25x1字符串]操作：[4x1字符串]T:[25x25x4双精度]R:[25x25x4双精度]障碍状态：[0x1字符串]终端状态：[0x1字符串]
现在，设置初始、终端和障碍物状态。
GW.CurrentState='[2,1]'；GW.终端状态='[5,5]'；GW.ObstacleStates=["[3,3]";"[3,4]";"[3,5]";"[4,3]"];
更新障碍状态的状态转移矩阵，并设置障碍状态的跳跃规则。
更新障碍物（GW）GW.T（状态2idx（GW，"[2,4]")，：，：）=0；GW.T（state2idx（GW，"[2,4]")，state2idx（GW，"[4,4]"),:) = 1;
接下来，在奖励转移矩阵中定义奖励。
nS=努美尔（吉瓦州）；nA=努美尔（GW.行动）；GW.R=-1*个（nS，nS，nA）；GW.R（州2Idx（GW，"[2,4]")，state2idx（GW，"[4,4]"),:) = 5; GW.R（：，状态2Idx（GW，GW.终端状态），：）=10；
现在，使用rlMDPEnv使用创建网格世界环境的步骤网格世界对象吉瓦.
环境=rlMDPEnv（GW）
env=rlMDPEnv，属性为：模型：[1x1 rl.env.GridWorld]ResetFcn:[]
可以使用情节作用
地块（环境）
在R2019a中引入
您还可以从以下列表中选择网站：
