训练代理的最大集数，指定为正整数。无论其他终止条件如何，训练将在最大集．

例子:“MaxEpisodes”,1000年

每集运行的最大步骤数，指定为正整数。通常，您可以在环境中定义集终止条件。此值是在不满足其他终止条件时在情节中运行的最大步骤数。

例子:“MaxStepsPerEpisode”，1000

平均每个代理的分数、奖励和步骤数的窗口长度，指定为标量或向量。

如果培训环境包含单个代理，请指定ScoreAveragingWindowLength作为标量。

如果培训环境是多智能体Simulink万博1manbetx^®环境中，指定标量以将相同的窗口长度应用于所有代理。

要为每个代理使用不同的窗口长度，请指定ScoreAveragingWindowLength作为一个向量。在本例中，向量中元素的顺序与环境创建期间使用的代理的顺序相对应。

对于以平均值表示的期权，ScoreAveragingWindowLength是平均值中包含的剧集数。例如，如果StopTrainingCriteria是“平均向上”和StopTrainingValue是500对于给定的代理，那么对于该代理，训练终止当平均奖励超过所指定的集中的剧集数量时ScoreAveragingWindowLength等于或超过500．对于其他代理人，继续培训，直至:

例子:“ScoreAveragingWindowLength”，10

培训终止条件，指定为以下字符串之一：

例子:'stoptriningcriteria'，“AverageReward”

训练终止条件的临界值，指定为标量或向量。

如果培训环境包含单个代理，请指定StopTrainingValue作为标量。

如果训练环境是多智能体Simulink环境，则指定一个标量对所有智能体应用相同的终止准则。万博1manbetx若要为每个代理使用不同的终止条件，请指定StopTrainingValue作为向量。在这种情况下，向量中元素的顺序对应于环境创建期间使用的代理的顺序。

对于给定的代理，培训将在StopTrainingCriteria选项等于或超过此值。对于其他代理人，培训继续进行，直到:

例如，如果StopTrainingCriteria是“平均向上”和StopTrainingValue是100对于给定的代理，那么对于该代理，训练终止当平均奖励超过所指定的集中的剧集数量时ScoreAveragingWindowLength等于或超过100．

例子:“停止训练值”，100

条件，指定为以下字符串之一:

设置此选项可存储根据指定条件表现良好的候选代理。当您将此选项设置为除“没有”，软件设置SaveAgentValue选择500。您可以更改该值以指定保存代理的条件。

例如，假设您要存储进一步测试任何产生等于或超过100的剧集奖励的代理。要执行此操作SaveAgentCriteria来“EpisodeReward”设定SaveAgentValue选择100。当一集奖励等于或超过100时，火车将对应的代理保存到指定文件夹中的MAT文件中SaveAgentDirectory选项。掩码文件被调用AgentK.mat,在那里K为对应插曲的个数。代理存储在MAT文件中为保存的\u代理．

例子:“SaveAgentCriteria”、“EpisodeReward”

保存代理的条件的临界值，指定为标量或向量。

如果培训环境包含单个代理，请指定SaveAgentValue作为标量。

如果训练环境是多智能体Simulink环境，则指定一个标量对每个智能体应用相同的保存准则。万博1manbetx要在满足特定条件时保存代理，请指定SaveAgentValue作为一个向量。在本例中，向量中元素的顺序与创建环境时使用的代理的顺序相对应。当满足保存代理的条件时，所有代理将保存在同一个MAT文件中。

使用指定保存候选代理的条件时SaveAgentCriteria时，软件将此值设置为500。更改该值以指定保存代理的条件。看到SaveAgentCriteria选项以获取更多详细信息。

例子:“SaveAgentValue”，100

保存的代理程序的文件夹，指定为字符串或字符向量。文件夹名称可以包含完整路径或相对路径。当事件发生时，满足条件SaveAgentCriteria和SaveAgentValue选项时，该软件将代理保存在此文件夹中的MAT文件中。如果该文件夹不存在，火车创建它。当SaveAgentCriteria是“没有”，此选项将被忽略火车不创建文件夹。

例子:'SaveAgentDirectory'， pwd + "\run1\Agents"

用于使用并行训练的标志，指定为必然的．将此选项设置为符合事实的将培训配置为使用并行处理来模拟环境，从而允许使用多核、处理器、计算机集群或云资源来加速培训。要指定并行训练的选项，请使用并行化选项所有物

当使用并行是符合事实的然后对于DQN、DDPG、TD3和SACNumStepsToLookAhead属性或相应的代理选项对象必须设置为1.，否则将生成错误。这保证了经验是连续存储的。当AC代理并行训练时，如果StepsUntilDataIsSent财产的财产并行化选项对象设置为不同的值NumStepToLookAhead属性。

请注意，如果要使用本地GPU加速深层神经网络计算（如梯度计算、参数更新和预测），则无需设置使用并行这是真的。相反，在创建演员或评论家形象时，请使用rlRepresentationOptions其中的对象UseDevice选项设置为“图形”．使用并行计算或GPU需要并行计算工具箱™软件。另外需要使用计算机集群或云资源MATLAB并行服务器™. 有关使用多核处理器和GPU进行培训的更多信息，请参阅使用并行计算和GPU训练代理．

例子:“UseParallel”，对

用于控制并行训练的并行化选项，指定为ParallelTraining有关使用并行计算进行培训的更多信息，请参阅培训强化学习代理．

这个ParallelTraining对象具有以下属性，您可以在创建RL培训选项对象

在命令行上显示训练进度，指定为逻辑值错误的（0）或符合事实的(1). 着手符合事实的在训练期间将每个训练集的信息写入MATLAB命令行。

选项停止训练时，错误发生在一集，指定为“上”或“关”．当这个选项是“关”中捕获并返回错误模拟信息产量火车，培训将继续进行到下一集。

使用事件管理器显示培训进度的选项，指定为“训练进步”或“没有”。默认情况下，调用火车打开Reinforcement Learning Episode Manager，它以图形化和数字化的方式显示关于训练进度的信息，例如每个章节的奖励、平均奖励、章节数量和总步骤数。(有关更多信息，请参见火车）要关闭此显示，请将此选项设置为“没有”．