强化学习工具箱™提供了一个应用程序，功能和Simulink的万博1manbetx^®阻止使用强化学习算法，包括DQN，PPO，SAC和DDPG培训政策。您可以使用这些策略来实现控制器和决策算法的复杂应用，如资源分配，机器人和自治系统。

该工具箱让您表示使用深层神经网络或查找表的政策和价值功能，并与MATLAB建模环境中培养他们通过互动^®或Si万博1manbetxmulink中。您可以评估工具箱提供的单层或多层代理强化学习算法或开发自己。你可以用超参数设置，监控训练进度，并模拟培训的工作人员或者以交互通过应用程序或编程实验。提高训练的性能，模拟可以在多个的CPU，GPU，计算机集群，并且云并行运行（与并行计算工具箱™和MATLAB并行服务器™）。

通过ONNX™模型格式，现有的政策可以从深度学习的框架，如TensorFlow™Keras和PyTorch（与深度学习工具箱™）进口。您可以生成优化的C，C ++，和CUDA^®代码部署在微控制器和GPU的训练有素的政策。工具箱中包含的参考例子来帮助你开始。