选项，用于使用基线进行学习，指定为逻辑值。当UseBaseline是真正的时，必须指定一个临界网络作为基线函数逼近器。

一般来说，对于较小的参与者网络的简单问题，PG代理在没有基线的情况下工作得更好。

熵损失权重，指定为之间的标量值0而且1．较高的熵损失权重值通过对过于确定要采取的行动施加惩罚来促进智能体的探索。这样做可以帮助代理移出局部最优。

当在训练过程中计算梯度时，计算一个额外的梯度分量以最小化这个损失函数。

对象优化器选项，指定为rlOptimizerOptions对象。它允许您指定角色逼近器的训练参数，如学习率、梯度阈值，以及优化器算法及其参数。有关更多信息，请参见rlOptimizerOptions而且rlOptimizer．

评论家优化器选项，指定为rlOptimizerOptions对象。它允许您指定临界逼近器的训练参数，如学习率，梯度阈值，以及优化器算法及其参数。有关更多信息，请参见rlOptimizerOptions而且rlOptimizer．

试剂的取样时间，指定为正标量或－1．将此参数设置为－1允许基于事件的模拟。

在Simulink万博1manbetx中^®环境中,RL代理块，在其中指定代理执行每个SampleTime秒模拟时间。如果SampleTime是－1，块从它的父子系统继承采样时间。

在MATLAB中^®环境时，每当环境前进时执行代理。在这种情况下，SampleTime输出经验中连续元素之间的时间间隔是否由返回sim卡或火车．如果SampleTime是－1，返回的输出体验中连续元素之间的时间间隔反映了触发代理执行的事件的时间。

折扣因子应用于培训期间的未来奖励，指定为小于或等于1的正标量。