为了学习最优策略,强化学习代理通过反复的试错过程与环境交互。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™软件提供了训练代理和通过模拟验证训练结果的功能。有关更多信息,请参见训练强化学习代理.
强化学习设计 | 设计、训练和模拟强化学习代理 |
火车 |
在指定的环境中训练强化学习代理 |
rlTrainingOptions |
训练强化学习代理的选项 |
sim卡 |
在指定的环境中模拟训练过的强化学习代理 |
rlSimulationOptions |
在环境中模拟强化学习代理的选项 |
inspectTrainingResult |
绘制以前培训课程的培训信息 |
RL代理 | 强化学习代理 |
通过在指定的环境中培训您的代理,找到最佳策略。
在MATLAB中训练Q-learning和SARSA agent来求解网格世界®.
在一般马尔可夫决策过程环境中训练强化学习代理。
使用强化学习在Simulink中建模的植物来训练控制器万博1manbetx®作为培训环境。
使用Reinforcement Learning Designer应用程序设计并训练一个车杆系统的DQN代理。
交互式地指定模拟强化学习代理的选项。
交互式地指定训练强化学习代理的选项。
通过在多核、gpu、集群或云资源上并行运行模拟,加速代理训练。
使用异步并行计算训练角色-评论代理。
使用并行计算为自动驾驶应用训练强化学习代理。
在MATLAB中训练深度确定性策略梯度智能体控制二阶动态系统。
在MATLAB中训练带基线的策略梯度来控制双积分器系统。
训练一个深度q学习网络agent来平衡一个MATLAB建模的车杆系统。
在MATLAB中训练策略梯度代理来平衡车杆系统。
训练一个行动者-评论家代理平衡一个在MATLAB中建模的车杆系统。
使用基于图像的观测信号训练强化学习代理。
使用深度学习工具箱™中的深度网络设计器应用程序创建强化学习代理。
训练一个Deep Q-network agent来平衡Simulink中的钟摆。万博1manbetx
在Simulink中训练一个深度确定性策略梯度agent来平衡一个钟摆。万博1manbetx
训练一个强化学习代理来平衡一个Simulink模型,该模型包含一个总线信号中的观察值。万博1manbetx
训练一个深度确定性的策略梯度代理来摆动并平衡一个模型中的车杆系统Simscape™多体™.
训练两名PPO代理人合作移动物体。
训练三个PPO代理人以合作-竞争的方式探索网格世界环境。
训练一个DQN和一个DDPG agent协同执行自适应巡航控制和车道保持辅助以遵循路径。
训练一个深度神经网络来模仿模型预测控制器的行为。
训练一个深度神经网络来模仿非线性模型预测控制器的行为。
使用先前使用监督学习训练过的行动者网络来训练强化学习代理。
培训一个定制的LQR代理。
使用您自己的自定义训练算法训练强化学习策略。
为自定义强化学习算法创建代理。