训练强化学习代理- MATLAB和Simulink - MathWorks América拉丁万博1manbetx

训练强化学习代理

一旦您创建了一个环境和强化学习代理，您可以在环境中使用火车函数。要配置培训，请使用rlTrainingOptions函数。例如，创建训练选项集选择，和培训代理人代理在环境env．

选择= rlTrainingOptions (.．.“MaxEpisodes”, 1000,.．.“MaxStepsPerEpisode”, 1000,.．.“StopTrainingCriteria”,“AverageReward”,.．.“StopTrainingValue”, 480);trainStats =火车(代理,env,选择);

有关创建代理的更多信息，请参见强化学习代理．有关创建环境的更多信息，请参见创建MATLAB强化学习环境和创建Simul万博1manbetxink强化学习环境．

火车在培训过程中对代理进行更新。为了保留原始代理参数供以后使用，将代理保存到一个mat文件中。

保存(“initialAgent.mat”,“代理”）

中指定的条件时，培训自动终止StopTrainingCriteria和StopTrainingValue选择你的rlTrainingOptions对象感到满意。要手动终止正在进行的培训，输入Ctrl + C或者，在强化学习章节管理器中，单击停止训练．因为火车在每集更新代理，您可以通过电话恢复培训火车(代理,env, trainOpts)同样，在不丢失第一次呼叫时学到的训练参数的情况下火车．

训练算法

一般来说，培训执行以下步骤。

初始化代理。
每集:
1. 重置环境。
2. 获得初步观察年代₀从环境中。
3. 计算初始动作一个₀＝μ（年代₀),μ（年代)是当前的政策。
4. 将当前操作设置为初始操作(一个←一个₀)，并将当前观察值设置为初始观察值(年代←年代₀)．
5. 当插曲没有完成或终止时，执行以下步骤。
  1. 应用操作一个并获得下一个观察结果年代”和奖励r．
  2. 从经验中学习(年代,一个,r,年代)．
  3. 计算下一个动作一个“＝μ（年代)．
  4. 用下一个操作更新当前操作(一个←一个“)，并将当前的观察结果更新为下一个观察结果(年代←年代)．
  5. 如果满足环境中定义的终止条件，则终止事件。
如果满足培训终止条件，则终止培训。否则，开始下一集。

软件如何执行这些步骤的细节取决于代理和环境的配置。例如，在每个事件开始时重置环境可以包括随机初始状态值，如果您将环境配置为这样做的话。有关代理及其训练算法的更多信息，请参见强化学习代理．要使用并行处理和gpu来加速训练，请参见使用并行计算和gpu训练代理．

事件管理器

默认情况下，调用火车函数打开强化学习情节管理器，让您可视化培训进度。情节经理情节显示每一集的奖励(EpisodeReward)和平均奖励值(AverageReward)．此外，对于有评论家的经纪人，情节显示了评论家在每一集开始时对折扣长期奖励的估计(EpisodeQ0)．集管理器还显示各种集和培训统计数据。你也可以使用火车功能返回插曲和培训信息。

对于有批评意见的探员来说集Q0是给定环境的初始观察，在每个事件开始时对贴现的长期奖励的估计。随着训练的进行，如果评论家设计得很好。集Q0接近真实的长期折扣奖励，如上图所示。

若要关闭强化学习情节管理器，请设置情节选择rlTrainingOptions来“没有”．

保存候选药物

在培训期间，您可以保存符合您在中指定条件的候选代理SaveAgentCriteria和SaveAgentValue选择你的rlTrainingOptions对象。例如，您可以拯救任何情节奖励超过某个值的代理，即使终止训练的整体条件还不满足。例如，当情节奖励大于时，拯救代理One hundred.．

选择= rlTrainingOptions (“SaveAgentCriteria”,“EpisodeReward”,“SaveAgentValue”, 100年);

火车属性指定的文件夹中的mat文件中存储已保存的代理SaveAgentDirectory选择rlTrainingOptions．保存的代理可能很有用，例如，用于测试在长时间训练过程中生成的候选代理。有关保存条件和保存位置的详细信息，请参见rlTrainingOptions．

训练完成后，可以从MATLAB中保存最终训练的agent^®工作空间使用保存函数。例如，保存代理myAgent到文件finalAgent.mat在当前工作目录中。

保存(选择。SaveAgentDirectory +“/ finalAgent.mat”,“代理”）

缺省情况下，保存DDPG和DQN代理时，不保存经验缓冲区数据。如果您计划进一步培训保存的代理，您可以从以前的经验缓冲区作为起点开始培训。在本例中，设置SaveExperienceBufferWithAgent选项真正的．对于某些代理，例如那些拥有大型经验缓冲区和基于映像的观察的代理，保存经验缓冲区所需的内存很大。在这些情况下，您必须确保有足够的内存可供保存的代理使用。

验证培训政策

要验证经过培训的代理，可以在培训环境中使用sim卡函数。要配置模拟，请使用rlSimulationOptions．

当验证你的代理时，考虑检查你的代理如何处理以下问题:

改变模拟初始条件-要改变模型初始条件，修改环境的重置功能。例如reset函数，请参见使用自定义函数创建MATLAB环境,创建自定义MATLAB环境模板,创建Simul万博1manbetxink强化学习环境．
训练和模拟环境动态之间的不匹配——要检查这种不匹配，请按照创建训练环境的方式创建测试环境，修改环境行为。

与并行训练一样，如果您有并行计算工具箱™软件，您可以在多核计算机上运行多个并行模拟。如果你有MATLAB并行服务器™软件，您可以在计算机集群或云资源上运行多个并行模拟。有关配置模拟以使用并行计算的详细信息，请参见UseParallel和ParallelizationOptions在rlSimulationOptions．