强化学习工具箱™には，DQNやPPO，SAC，DDPGなどの强化学习アルゴリズムを使用して方策を学习させるためのアプリや关数，Simulink的万博1manbetx^®ブロックが用意されています。これらの方策を使用して，リソース割り当てやロボティクス，自律システムなどの复雑な用途向けにコントローラーと意思决定アルゴリズムを実装できます。

このツールボックスでは，ディープニューラルネットワークやルックアップテーブルを使用して，方策や価値关数を表现し，MATLAB^®や的万博1manbetxSimulinkでモデル化された环境との交互作用を通じてそれらを学习させることができます。ツールボックスに含まれるシングルエージェントまたはマルチエージェントの强化学习アルゴリズムを评価したり，独自に开発を行ったりできます。また，ハイパーパラメーター设定の実験や，学习の进行状况の监视が可能であるほか，学习済みエージェントをアプリから対话的にまたはプログラム上でシミュレーションできます。学习の性能を向上させるには，シミュレーションを复数のCPU，GPU，コンピュータークラスター，およびクラウドで并列実行します（并行计算工具箱™およびMATLAB并行服务器™を使用）。

既存の方策は，ONNX™モデル形式を使用して，TensorFlow™KerasやPyTorchなどのディープラーニングフレームワークからインポートできます（深度学习工具箱™を使用）。最适化されたC，C ++，およびCUDA^®コードを生成し，学习済みの方策をマイクロコントローラーやGPUに展开できます。このツールボックスには，初めての方にも使いやすい参照例が付属しています。