使用双DQN更新值函数目标的标志，指定为一个逻辑值。对于大多数应用程序集UseDoubleDQN来“上”．有关详细信息，请参见深Q-Network代理．

贪婪搜索选项，指定为EpsilonGreedyExploration对象，具有以下属性。

在每个训练时间步的末尾，如果ε大于EpsilonMin，然后使用以下公式更新它。

ε=ε* (1-EpsilonDecay)

如果你的代理过于快速地收敛于局部最优，你可以通过增加代理来促进探索ε．

控件创建后，请使用点符号指定搜索选项rlDQNAgentOptions对象选择．例如，将值设置为0．9．

opt.EpsilonGreedyExploration.Epsilon = 0.9;

使用递归神经网络对批评家进行批处理时的最大批训练轨迹长度，指定为正整数。该值必须大于1当使用循环神经网络的批评家和1否则。

目标批评家更新的平滑因子，指定为小于或等于1的正标量。有关详细信息，请参见目标更新方法．

目标批评家更新之间的步骤数，指定为正整数。有关详细信息，请参见目标更新方法．

用于在训练前清除经验缓冲区的选项，指定为一个逻辑值。

保存代理时保存体验缓冲区数据的选项，指定为逻辑值。方法保存候选代理时和保存代理时，此选项都适用保存函数。

对于某些代理来说，比如那些拥有大量经验缓冲区和基于图像的观察的代理，保存它们的经验缓冲区所需的内存很大。在这种情况下，不保存经验缓冲区的数据，设置SaveExperienceBufferWithAgent来假．

如果你计划进一步训练你保存的代理人，你可以从之前的经验缓冲开始训练。在本例中，setSaveExperienceBufferWithAgent来真正的．

随机经验小批量的大小，指定为正整数。在每次训练过程中，agent在计算梯度更新批评家属性时，从经验缓冲区中随机抽取经验。当计算梯度时，大的小批量减少了方差，但增加了计算工作量。

当对批评家使用循环神经网络时，MiniBatchSize在批次中经历轨迹的数量，其中每个轨迹的长度等于SequenceLength．

用于估计策略值的未来奖励数，指定为正整数。有关更多信息，请参见[1]的第7章。

N-step Q学习不支持使用循环神经网络的批评家万博1manbetx。在这种情况下,NumStepsToLookAhead必须1．

体验缓冲区大小，指定为正整数。在训练期间，代理使用从缓冲区随机取样的小批量经验来计算更新。

药剂的取样时间，以正标量表示。

在一个模型万博1manbetx^®环境中，代理每执行一次SampleTime模拟时间秒。

在MATLAB^®环境，每次环境前进时执行代理。然而,SampleTime输出经验中连续元素之间的时间间隔是由sim卡或火车．

在培训期间应用于未来奖励的折扣因子，指定为小于或等于1的正标量。