加载预定义的网格世界环境
强化学习工具箱™ 软件提供了几个预定义的网格世界环境，其中已定义了操作、观察、奖励和动态。您可以使用这些环境：
学习强化学习概念。
熟悉强化学习工具箱软件功能。
测试您自己的强化学习代理。
您可以加载以下预定义的MATLAB®使用rlPredefinedEnv作用
| 环境 | 代理任务 |
|---|---|
| 基本网格世界 | 通过从离散动作空间选择移动，在二维网格上从起始位置移动到目标位置{N，S，E，W}. |
| 瀑布网格世界 | 在具有未知确定性或随机动力学的较大二维网格上，从起始位置移动到目标位置。 |
有关网格世界环境属性的详细信息，请参见创建自定义网格世界环境.
您还可以加载预定义的MATLAB控制系统环境。有关更多信息，请参阅加载预定义的控制系统环境.
基本网格世界
基本网格世界环境是一个5乘5的二维网格，包含起始位置、终端位置和障碍物。该环境还包含从状态[2,4]到状态[4,4]的特殊跳跃。代理的目标是从起始位置移动到终端位置，同时避免障碍物并最大化总回报。
要创建基本的网格世界环境，请使用rlPredefinedEnv函数。此函数创建一个rlMDPEnv表示网格世界的对象。
env=rlPredefinedEnv(“基本世界”);
可以使用情节作用
代理位置是一个红色圆圈。默认情况下，代理在状态[1,1]下启动。
终点站的位置是一个蓝色的正方形。
障碍物是黑色的正方形。
地块（环境）
行动
代理可以向四个可能的方向之一移动（北、南、东或西）。
奖励
代理人收到以下奖励或处罚：
+10在[5,5]达到终点状态的奖励+5从州[2,4]跳到州[4,4]的奖励-1对每一其他行为的处罚
确定性瀑布网格世界
确定性瀑布网格世界环境是一个具有起始位置和终止位置的二维8×7网格。该环境包括一个瀑布，将代理推向网格底部。代理的目标是从起始位置移动到终端位置，同时最大化总报酬。
要创建确定性瀑布网格世界，请使用rlPredefinedEnv函数。此函数创建一个rlMDPEnv表示网格世界的对象。
env=rlPredefinedEnv(“水上世界”);
与基本网格世界一样，您可以可视化环境，其中代理是一个红色圆圈，终端位置是一个蓝色正方形。
地块（环境）
行动
代理可以向四个可能的方向之一移动（北、南、东或西）。
奖励
代理人收到以下奖励或处罚：
+10在[4,5]达到终点状态的奖励-1对每一其他行为的处罚
瀑布动力学
在这种环境中，瀑布将代理推向网格的底部。
瀑布的强度在不同的柱之间变化，如上图顶部所示。当代理移动到强度非零的柱中时，瀑布会将其向下推动指定的方块数。例如，如果代理从州[5,2]向东移动，则到达州[7,3]。
随机瀑布网格世界
随机瀑布网格世界环境是一个具有起始位置和终端位置的二维8×7网格。该环境包括一个瀑布，以随机强度将代理推向网格底部。代理的目标是在av时从起始位置移动到目标终端位置避免沿网格底部的惩罚终端状态，并最大化总奖励。
要创建随机瀑布网格世界，请使用rlPredefinedEnv函数。此函数创建一个rlMDPEnv表示网格世界的对象。
env=rlPredefinedEnv(“WaterwallGridWorld随机”);
与基本网格世界一样，您可以可视化环境，其中代理是一个红色圆圈，终端位置是一个蓝色正方形。
地块（环境）
行动
代理可以向四个可能的方向之一移动（北、南、东或西）。
奖励
代理人收到以下奖励或处罚：
+10在[4,5]达到终点状态的奖励-10到达网格底行中任何终端状态的惩罚-1对每一其他行为的处罚
瀑布动力学
在此环境中，瀑布以随机强度将代理推向网格底部。基线强度与确定性瀑布环境的强度相匹配。但是，在随机瀑布的情况下，代理体验指定强度的机会相等，比该强度高一级，或ne水平低于该强度。例如，如果代理从州[5,2]向东移动，则其到达州[6,3]、[7,3]或[8,3]的几率相等。
另见
相关话题
您还可以从以下列表中选择网站：
