打开强化学习设计器应用程序

打开强化学习设计师应用程序。

增强学习设计器

最初，应用程序中未加载任何代理或环境。

进口车柱环境

当使用强化学习设计师，可以从MATLAB导入环境^®工作区或创建预定义的环境。有关详细信息，请参阅为强化学习设计器创建MATLAB环境和为强化学习设计万博1manbetx器创建Simulink环境.

对于本例，使用预定义的离散车柱MATLAB环境强化学习选项卡，在环境节，选择新建>离散车杆.

在环境窗格中，应用程序添加导入的离散式手推车环境。要重命名环境，请单击环境文本。您还可以在会话中导入多个环境。

要查看观察和行动空间的维度，请单击环境文本。应用程序将在中显示维度预览窗玻璃

这种环境有一个连续的四维观察空间（小车和杆子的位置和速度）和一个离散的一维行动空间，由两个可能的力组成，-10N或10N。此环境用于培训DQN代理以平衡大车杆系统有关预定义控制系统环境的更多信息，请参阅加载预定义的控制系统环境.

为导入的环境创建DQN代理

要创建代理，请在强化学习选项卡，在代理人部分，单击刚出现的。在“创建代理”对话框中，指定代理名称、环境和培训算法。默认代理配置使用导入的环境和DQN算法。对于本例，请将隐藏单元数从256更改为24。有关创建代理的详细信息，请参阅使用强化学习设计器创建代理.

点击好啊.

应用程序将新代理添加到代理人窗格，并打开相应的探员1文件

有关DQN代理功能的简要摘要以及查看代理的观察和操作规范，请单击概述.

在中创建DQN代理时强化学习设计师，代理使用默认的深度神经网络结构作为其评论员。要查看评论员网络，请在DQN试剂选项卡，单击视图批评模型.

这个深度学习网络分析仪打开并显示评论结构。

关闭深度学习网络分析仪.

列车员

培训你的经纪人，在火车选项卡，首先指定培训代理的选项。有关指定培训选项的信息，请参阅在强化学习设计器中指定模拟选项.

对于本例，请通过设置指定最大训练集数最大集数到1000。对于其他培训选项，请使用其默认值。停止的默认标准是每集的平均步数（在过去一段时间内5.情节）大于500.

要开始培训，请单击火车.

在培训期间，应用程序将打开培训班选项卡，并在中显示培训进度培训结果文件

此处，当每集的平均步数为500时，训练停止。清除第0集可以更好地形象化情节和平均奖励。

要接受培训结果，请在培训班选项卡，单击接受.在代理人窗格中，应用程序将添加经过培训的代理，经过培训的代理.

模拟代理并检查模拟结果

要模拟经过训练的agent，请在模拟选项卡，首先选择经过培训的代理在代理人下拉列表，然后配置模拟选项。对于本例，使用默认的剧集数(10)和最大集长(500)。有关指定模拟选项的详细信息，请参见在强化学习设计器中指定培训选项.

要模拟代理，请单击模拟.

应用程序将打开模拟会议标签。模拟完成后，将模拟结果文档显示了每集的奖励以及奖励平均值和标准差。

要分析模拟结果，请单击检查模拟数据.

在模拟数据检查器您可以查看每个模拟集保存的信号。有关详细信息，请参阅模拟数据检查器（万博1manbetxSimulink）.

下图显示了第六个模拟集的推车杆系统的第一和第三状态（推车位置和杆角度）。即使推车位置发生适度摆动，代理也能够成功地平衡杆500步。您可以修改一些DQN代理选项，例如批量大小和TargetUpdateFrequency促进更快、更稳健的学习。有关详细信息，请参阅培训DQN代理以平衡大车杆系统.

关闭模拟数据检查器.

要接受模拟结果，请在模拟会议选项卡，单击接受.

在后果窗格中，应用程序将添加模拟结果结构，经验1.

导出代理和保存会话

要将经过训练的代理导出到MATLAB工作区以进行额外的模拟，请在强化学习选项卡，在下面出口，选择经过培训的代理。

要保存应用程序会话，请在强化学习选项卡，单击保存会话. 将来，若要在结束时继续工作，可以在中打开会话强化学习设计师.

在命令行中模拟代理

要在MATLAB命令行中模拟agent，首先加载cart-pole环境。

env=rlPredefinedEnv(“CartPole离散型”);

cart pole环境有一个环境可视化工具，允许您查看系统在模拟和训练期间的行为。

绘制环境并使用先前从应用程序导出的经过培训的代理执行模拟。

绘图（环境）xpr2=sim（环境，代理1）；

在仿真过程中，可视化工具显示小车和杆的运动。经过训练的agent能够稳定系统。

最后，显示模拟的累积奖励。

金额（xpr2.奖励）

环境=500

一如所料，奖金为500英镑。