Emmanouil Tzorakoleftherakis, MathWorks
Reinforcement Learning Toolbox™提供了一个应用程序、函数和Simulink万博1manbetx®block用于使用强化学习算法的训练策略,包括DQN、PPO、SAC和DDPG。您可以使用这些策略为复杂的应用程序(如资源分配、机器人和自治系统)实现控制器和决策算法。
这个工具箱允许您使用深度神经网络或查询表来表示策略和值函数,并通过与MATLAB中建模的环境进行交互来训练它们®或仿真万博1manbetx软件。您可以评估工具箱中提供的单或多智能体强化学习算法,或开发自己的算法。您可以试验超参数设置,监控训练进度,并通过应用程序交互或编程模拟训练过的代理。为了提高训练性能,模拟可以在多个cpu、gpu、计算机集群和云上并行运行(使用并行计算工具箱™和MATLAB并行服务器™)。
通过ONNX™模型格式,现有的策略可以从深度学习框架导入,如TensorFlow™Keras和PyTorch(使用深度学习工具箱™)。你可以生成优化的C, c++和CUDA®代码在微控制器和gpu上部署经过培训的政策。工具箱包括参考示例,以帮助您开始。
Reinforcement Learning Toolbox™提供了一个应用程序、函数和模块,让您可以为复杂的应用程序(如机器人和自动驾驶)实现控制器和决策算法。
工具箱使您能够使用MATLAB完成强化学习工作流的所有步骤,从创建环境和代理,到政策培训和部署®和仿万博1manbetx真软件®.
通过选择内置算法(如DQN、PPO和SAC)定义代理,或开发您自己的自定义算法。
在强化学习设计器中以交互方式或编程方式创建代理对象。
对于深度神经网络策略,Reinforcement Learning Toolbox可以自动生成默认的网络架构。
或者,使用deep network Designer创建深度神经网络策略和价值函数…
或者用内置函数编程。
除了神经网络,还支持多项式和查找表。万博1manbetx
你可以在MATLAB和Simulink中创建环境。万博1manbetx
在Si万博1manbetxmulink中,创建一个描述环境动态、观察和奖励信号的模型。
为了将环境模型与所创建的agent对象连接起来,使用agent块的一个或多个实例,分别进行单agent或多agent训练。
对于MATLAB环境,您可以从提供的模板开始,并根据需要进行修改。
您还可以从几个预定义的MATLAB和Simulink环境中进行选择。万博1manbetx
要开始培训,请指定培训选项,如停止条件,并在应用程序中或以编程方式培训代理。
并行计算工具箱™和MATLAB并行服务器™让您通过并行模拟和计算加速训练。
在培训期间,插曲经理可以帮助您可视化地监控培训进度,并提供汇总统计信息。
培训完成后,您可以使用模拟环境验证经过培训的代理,并根据需要进行修改。
然后,您可以生成CUDA和C/ c++代码来部署经过培训的策略。
有关“强化学习工具箱”的更多信息,请参阅文档和提供的示例。
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。