rlAgentInitializationOptions

初始化强化学习代理的选项

全部展开页面

描述

使用rlAgentInitializationOptions对象指定代理的初始化选项。要创建代理，请使用特定的代理创建功能，例如rlACAgent．

创建

语法

initOpts = rlAgentInitializationOptions

initOpts = rlAgentInitializationOptions(名称、值)

描述

initOpts= rlAgentInitializationOptions返回一个默认选项对象，用于初始化支持默认网络的强化学习代理。万博1manbetx使用初始化选项来指定agent初始化参数，例如agent网络的每个隐藏层的单元数以及是否使用递归神经网络。

例子

initOpts= rlAgentInitializationOptions (名称,值）创建初始化选项对象并设置其属性通过使用一个或多个名称-值对参数。

属性

全部展开

`NumHiddenUnit`- - - - - -每个隐藏的完全连接层的单元数
`256`(默认)|正整数

除网络输出前的全连接层外，agent网络中每个隐藏全连接层的单元数，指定为正整数。您设置的值也适用于任何LSTM层。

例子:“NumHiddenUnit”,64年

`UseRNN`- - - - - -标志使用递归神经网络
`假`(默认)|`真正的`

标志使用递归神经网络，指定为逻辑。

如果你设置UseRNN来真正的，在创建agent时，软件插入一个循环LSTM层，将输出模式设置为在agent网络的输出路径中排序。注意，政策梯度和行动者-评论家代理不支持递归神经网络。万博1manbetx有关LSTM的更多信息，请参见长短期记忆网络．

例子:“UseRNN”,真的

对象的功能

`rlACAgent`	行动者-批评家强化学习代理
`rlPGAgent`	策略梯度强化学习代理
`rlDDPGAgent`	深度确定性策略梯度强化学习主体
`rlDQNAgent`	深度q -网络强化学习代理
`rlPPOAgent`	近端策略优化强化学习代理
`rlTD3Agent`	双延迟深度确定性策略梯度强化学习主体
`rlSACAgent`	软演员-评论家强化学习代理

例子

全部折叠

创建代理初始化选项对象

打开生活的脚本

创建一个代理初始化选项对象，指定隐藏神经元的数量和递归神经网络的使用。

initOpts = rlAgentInitializationOptions (“NumHiddenUnit”, 64,“UseRNN”,真正的)

initOpts = rlAgentInitializationOptions与属性:NumHiddenUnit: 64 UseRNN: 1

您可以使用点符号修改选项。例如，将代理示例时间设置为0.5．

initOpts。NumHiddenUnit = 128

initOpts = rlAgentInitializationOptions与属性:NumHiddenUnit: 128 UseRNN: 1

另请参阅

getActionInfo|getObservationInfo

主题

强化学习代理

介绍了R2020b

强化学习工具箱文档

万博1manbetx

尝试MATLAB, Si万博1manbetxmulink和其他产品s manbetx 845

得到审判现在