创建模板类

要定义自定义代理，首先创建一个类，该类是rl.agent.CustomAgent类。本节以培训的自定义LQR代理为例火车定制LQR代理．作为您自己代理的起点，您可以打开并修改这个自定义代理类。要将示例文件添加到MATLAB路径并打开该文件，请在MATLAB命令行中输入以下代码。

目录(fullfile (matlabroot,“例子”，“rl”，“主要”));编辑LQRCustomAgent.m

在将类保存到您自己的工作文件夹之后，您可以从该路径中删除示例文件。

rmpath (fullfile (matlabroot,“例子”，“rl”，“主要”));

这个类具有以下类定义，它指示代理类名和关联的抽象代理。

classdefLQRCustomAgent < rl.agent.CustomAgent

要定义您的代理，您必须指定以下内容:

代理的属性

在属性部分，指定创建和培训代理所需的任何参数。这些参数包括:

有关潜在代理属性的更多信息，请参阅内置的Reinforcement Learning Toolbox™代理的选项对象。

的rl.Agent.CustomAgent类已经包含代理示例时间的属性(SampleTime)及动作及观察规范(ActionInfo和ObservationInfo分别)。

自定义LQR代理定义了以下代理属性。

属性%问问R %R%反馈增益K%的折扣因素γ= 0.95%的批评家评论家K缓冲液%KBuffer% K的更新数KUpdate = 1%估计值更新的数字EstimateNum = 10结束YBuffer HBuffer . properties (Access = private) Counter = 1结束

构造函数

要创建自定义代理，必须定义一个构造函数:

例如,LQRCustomAgent构造者定义了连续的动作和观察空间，并创建了一个批判的表示。的createCriticFunction是一个可选的helper函数，用于定义批评家表示形式。

函数obj = LQRCustomAgent (Q, R, InitialK)%检查输入参数的数量narginchk (3,3);%调用抽象类构造函数obj = obj@rl.agent.CustomAgent ();设置Q和R矩阵obj。问= Q; obj.R = R;定义观察和活动空间obj。ObservationInfo = rlNumericSpec([大小(Q, 1), 1]);obj。一个ctionInfo = rlNumericSpec([size(R,1),1]);%创建批评家表示obj。评论家= createCritic (obj);%初始化增益矩阵obj。K= InitialK;%初始化经验缓冲区obj。YBuffer = 0 (obj.EstimateNum, 1);num = size(Q,1) + size(R,1);obj。HBuffer = 0 (obj.EstimateNum, 0.5 * num * (num + 1));obj。KBuffer = cell(1,1000); obj.KBuffer{1} = obj.K;结束

演员和评论家代表

如果您的学习算法使用评论家表示来估计长期回报，或者使用参与者来选择动作，或者两者都使用，那么您必须将它们添加为代理属性。然后，您必须在创建代理时创建这些表示;也就是说，在构造函数中。有关创建演员和评论家的更多信息，请参见创建策略和价值功能表示．

例如，自定义LQR代理使用批评家表示，存储在其评论家财产，没有行为人。批评家的创作是在createCritic方法调用的Helper函数LQRCustomAgent构造函数。

函数nQ = size(obj. q,1);nR =大小(obj.R, 1);n = nQ + nR;的w0 = 0.1 * (0.5 * (n + 1) * n, 1);{@(x,u)，w0}，．..getObservationInfo (obj) getActionInfo (obj));critic.Options.GradientThreshold = 1;结束

在这种情况下，评论家是rlQValueRepresentation对象。要创建这样的表示，必须指定自定义基函数的句柄，在本例中为computeQuadraticBasis函数。有关此评论家表示的更多信息，请参见火车定制LQR代理．

所需的功能

要创建自定义强化学习代理，必须定义以下实现函数。要在您自己的代码中调用这些函数，请使用抽象基类中的包装器方法。例如，打电话getActionImpl,使用getAction．包装器方法具有与实现方法相同的输入和输出参数。

在实现函数中，要评估参与者和批评者表示，可以使用getValue，getAction,getMaxQValue功能。

对于每一种情况，如果参与者或批评者网络使用递归神经网络，函数也可以在获得相应的网络输出后返回网络状态的当前值。

函数action = getActionImpl (obj,观察)

函数action = getActionImpl (obj,观察)给定系统的当前状态，返回一个操作action = -obj.K *观察{:};结束

函数action = getActionWithExplorationImpl (obj,观察)

函数action = getActionWithExplorationImpl (obj,观察)%给定当前的观察，选择一个动作action = getAction (obj,观察);%在动作中添加随机噪音num =大小(obj.R, 1);操作=操作+ 0.1*randn(num,1);结束

函数action = learnImpl (obj,经验值)

函数action = learnImpl (obj,经验值)%解析输入的经验x = exp {1} {1};u = exp {2} {1};dx = exp {4} {1};y = (x ' * obj。问*x + u'*obj.R*u); num = size(obj.Q,1) + size(obj.R,1);%需要等待N步才能更新批评家参数N = obj.EstimateNum;h1 = computeQuadraticBasis (x, u, num);h2 = computeQuadraticBasis (dx, -obj.K * dx, num);H = h1 - obj。γ* h2;如果obj。Counter<=N obj.YBuffer(obj.Counter) = y;obj.HBuffer (obj.Counter:) = H;obj。Counter = obj。计数器+ 1;其他的%根据批处理更新批评家参数%的经验H_buf = obj.HBuffer;y_buf = obj.YBuffer;θ= (H_buf ' * H_buf) \ H_buf * y_buf;obj。评论家= setLearnableParameters (obj.Critic{θ});根据新的参数推导新的增益矩阵obj。K= getNewK(obj);重置经验缓冲区obj。Counter = 1;obj。YBuffer = 0 (N, 1);obj。HBuffer = 0 (N, 0.5 * num * (num + 1));obj。KUpdate = obj.KUpdate + 1; obj.KBuffer{obj.KUpdate} = obj.K;结束找到并返回一个带有探索的动作action = getActionWithExploration (obj, exp {4});结束

可选功能

您还可以通过指定resetImpl函数的签名如下obj是代理对象。使用此函数，可以在训练前将代理设置为已知或随机条件。

函数resetImpl (ob)

此外，您还可以根据需要在自定义代理类中定义任何其他助手函数。例如，自定义LQR代理定义createCritic函数创建批评家表示和getNewK函数，该函数从训练过的批评参数派生出反馈增益矩阵。

创建自定义代理

定义自定义代理类之后，在MATLAB工作空间中创建它的实例。例如，要创建自定义LQR代理，请定义问，R,InitialK值并调用构造函数。

Q =[10 3 1; 3、5、4、1、4、9];R = 0.5 *眼(3);K0 =地方(A, B, [0.4, 0.8, 0.5]);代理= LQRCustomAgent (Q, R, K0);

验证环境对象之后，可以使用它来训练强化学习代理。有关训练自定义LQR代理的示例，请参见火车定制LQR代理．