用于使用Double DQN的标志，用于值函数目标更新，指定为逻辑值。对于大多数应用程序集unmorlebledqn至“上”。有关更多信息，请参阅深度Q-Network代理商。

epsilon-greedy探索的选项，指定为一个epsilongredyexpliation.对象具有以下属性。

在每个训练时间步骤结束时，如果埃斯利昂大于epsilonmin，然后使用以下公式更新它。

epsilon = epsilon *（1-epsilondecay）

如果您的代理商在当地的Optima上收敛太快，您可以通过增加来推广代理商探索埃斯利昂。

要指定探索选项，请在创建后使用点表示法rldqnagentoptions.目的选择。例如，将epsilon值设置为0.9。

opt.epsilongredyexpliation.epsilon = 0.9;

使用经常性神经网络的最高批量训练轨迹长度为评论家指定为正整数。该值必须大于1在为评论家使用经常性神经网络时1除此以外。

目标批评更新的平滑因子，指定为小于或等于的正标量。有关更多信息，请参阅目标更新方法。

目标批读更新之间的步数，指定为正整数。有关更多信息，请参阅目标更新方法。

选择在培训前清除体验缓冲区的选项，指定为逻辑值。

保存代理时保存体验缓冲区数据的选项，指定为逻辑值。在培训期间保存候选代理以及使用时，此选项均适用保存功能。

对于某些代理，例如具有大经验缓冲区和基于图像的观察的代理，节省其体验缓冲区所需的内存大。在这种情况下，不保存体验缓冲区数据，设置SaveexperienceBufferWithAgent.至错误的。

如果您计划进一步培训您所保存的代理，您可以从以前的经验缓冲区作为一个起点开始培训。在这种情况下，设置SaveexperienceBufferWithAgent.至真的。

随机体验迷你批次的大小，指定为正整数。在每次训练期间，代理在计算渐变时随机随机采样从体验缓冲区的体验，以更新批评属性。大型批次在计算梯度时减少方差，但增加计算工作。

在使用反批评的经常性神经网络时，小匹匹匹匹配是批量中的经验轨迹的数量，每个轨迹都有等于的长度Sequencelength.。

用于估算策略值的未来奖励的数量，指定为正整数。有关更多信息，请参阅[1]的第7章。

使用反复性神经网络以获得评论家的批评时不支持N-S万博1manbetxtep Q学习。在这种情况下，numstepstolookahead.一定是1。

经验缓冲区大小，指定为正整数。在培训期间，代理使用从缓冲区随机采样的迷你批次体验计算更新。

代理的采样时间，指定为正标量。

在Simulink万博1manbetx中^®环境，代理商每次执行采样时间模拟时间秒。

在MATLAB^®环境，每当环境进步时，代理就会执行。然而,采样时间输出经验中连续元素之间的时间间隔是否由SIM或者火车。

在培训期间应用于未来奖励的折扣因素，指定为小于或等于1的正标量。