训练代理的最大集数，指定为正整数。不论终止的其他标准如何，培训在MaxEpisodes．

例子:“MaxEpisodes”,1000年

每集运行的最大步数，指定为正整数。通常，您可以在环境中定义插曲终止条件。此值是在不满足其他终止条件的情况下在该集中运行的最大步数。

例子:“MaxStepsPerEpisode”,1000年

用于平均每个代理的分数、奖励和步数的窗口长度，指定为标量或向量。

如果培训环境包含单个代理，请指定ScoreAveragingWindowLength作为一个标量。

如果训练环境是一个多agent的Simulink万博1manbetx^®环境中，指定一个标量将相同的窗口长度应用于所有代理。

若要为每个代理使用不同的窗口长度，请指定ScoreAveragingWindowLength作为一个向量。在这种情况下，向量中元素的顺序对应于环境创建期间使用的代理的顺序。

对于以平均值表示的期权，ScoreAveragingWindowLength是包含在平均值中的集数。例如，如果StopTrainingCriteria是“AverageReward”,StopTrainingValue是500对于给定的智能体，那么对于该智能体，当平均奖励超过中指定的集数时，训练结束ScoreAveragingWindowLength等于或超过500．对于其他特工，培训持续到:

例子:“ScoreAveragingWindowLength”,10

培训终止条件，指定为以下字符串之一:

例子:“StopTrainingCriteria”、“AverageReward”

训练终止条件的临界值，指定为标量或向量。

如果培训环境包含单个代理，请指定StopTrainingValue作为一个标量。

如果训练环境是一个多代理的Simulink环境，请指定一个标量，以便对所有代理应用相同的终万博1manbetx止条件。若要为每个代理使用不同的终止条件，请指定StopTrainingValue作为一个向量。在这种情况下，向量中元素的顺序对应于环境创建期间使用的代理的顺序。

类指定的终止条件时，训练结束StopTrainingCriteria选项等于或超过此值。对于其他特工，培训将持续到:

例如，如果StopTrainingCriteria是“AverageReward”,StopTrainingValue是One hundred.对于给定的智能体，那么对于该智能体，当平均奖励超过中指定的集数时，训练结束ScoreAveragingWindowLength等于或超过One hundred.．

例子:“StopTrainingValue”,100年

培训期间保存代理的条件，指定为以下字符串之一:

设置此选项以存储根据您指定的标准表现良好的候选代理。当您将此选项设置为“没有”，软件设置SaveAgentValue选项为500。您可以更改该值以指定保存代理的条件。

例如，假设您希望存储产生等于或超过100的插曲奖励的任何代理以供进一步测试。为此，设置SaveAgentCriteria来“EpisodeReward”并设置SaveAgentValue选项为100。当一个情节奖励等于或超过100时，火车属性指定的文件夹中的MAT文件中保存相应的代理SaveAgentDirectory选择。调用MAT文件AgentK.mat,在那里K对应的集数。代理存储在MAT文件中saved_agent．

例子:“SaveAgentCriteria”、“EpisodeReward”

保存代理的条件的临界值，指定为标量或向量。

如果培训环境包含单个代理，请指定SaveAgentValue作为一个标量。

如果训练环境是一个多代理的Simulink环境，请指定一个标量，以便将相同的保存条件应用到万博1manbetx每个代理。若要在满足特定条件时保存代理，请指定SaveAgentValue作为一个向量。在这种情况下，向量中元素的顺序对应于创建环境时使用的代理的顺序。当满足保存代理的条件时，所有代理都保存在同一个MAT文件中。

指定保存候选代理的条件时使用SaveAgentCriteria时，软件将该值设置为500。更改该值以指定保存代理的条件。看到SaveAgentCriteria选项以获取更多详细信息。

例子:“SaveAgentValue”,100年

保存代理的文件夹，指定为字符串或字符向量。文件夹名称可以包含完整路径或相对路径。类指定的条件下发生的事件SaveAgentCriteria而且SaveAgentValue选项，软件将代理保存在这个文件夹中的一个MAT文件中。如果文件夹不存在，火车创建它。当SaveAgentCriteria是“没有”，该选项将被忽略火车不创建文件夹。

例子:'SaveAgentDirectory'， pwd + "\run1\Agents"

使用并行训练的标志，指定为逻辑．将此选项设置为真正的将训练配置为使用并行处理来模拟环境，从而支持使用多核、处理器、计算机集群或云资源来加速训练。要指定并行训练的选项，请使用ParallelizationOptions财产。

当UseParallel是真正的其次是DQN、DDPG、TD3和SACNumStepsToLookAhead属性或相应的代理选项对象必须设置为1，否则产生错误。这保证了体验是连续存储的。在并行训练AC代理时，如果StepsUntilDataIsSent的属性ParallelizationOptions对象设置为与NumStepToLookAheadAC代理选项对象。

注意，如果你想用本地GPU加速深度神经网络计算(比如梯度计算、参数更新和预测)，你不需要设置UseParallel为true。相反，在创建参与者或评论家表示时，使用rlRepresentationOptions对象，其中UseDevice选项设置为“图形”．使用并行计算或GPU需要并行计算工具箱™软件。另外还需要使用计算机集群或云资源MATLAB并行服务器．有关使用多核处理器和gpu进行训练的更多信息，请参见使用并行计算和图形处理器训练代理．

例子:“UseParallel”,真的

控制并行训练的并行化选项，指定为ParallelTraining对象。有关使用并行计算进行训练的更多信息，请参见训练强化学习代理．

的ParallelTraining对象具有以下属性，可以在创建rlTrainingOptions对象。

在命令行上显示训练进度，指定为逻辑值假(0)或真正的(1).设置为真正的在训练期间将每个训练集的信息写入MATLAB命令行。

选项，在一集期间发生错误时停止训练，指定为“上”或“关闭”．当这个选项是“关闭”时，错误被捕获并返回SimulationInfo的输出火车，训练继续到下一集。

选项，使用事件管理器显示培训进度，指定为“训练进步”或“没有”．默认情况下，调用火车打开强化学习插曲管理器，它以图形和数字的方式显示有关训练进度的信息，例如每集的奖励、平均奖励、插曲数和总步数。(有关更多信息，请参见火车)。若要关闭此显示，请将此选项设置为“没有”．