rlAgentInitializationOptions

初始化强化学习代理的选项

展开全部页面

描述

使用rlAgentInitializationOptions对象指定代理的初始化选项。要创建代理，请使用特定的代理创建函数，例如rlACAgent．

创建

语法

initOpts = rlAgentInitializationOptions

initOpts = rlAgentInitializationOptions(名称，值)

描述

initOpts= rlAgentInitializationOptions返回用于初始化支持默认网络的强化学习代理的默认选项对象。万博1manbetx使用初始化选项来指定代理初始化参数，例如代理网络的每个隐藏层的单元数量以及是否使用循环神经网络。

例子

initOpts= rlAgentInitializationOptions (名称,值）创建初始化选项对象并设置其属性通过使用一个或多个名称-值对参数。

属性

全部展开

`NumHiddenUnit`- - - - - -每个隐藏的全连接层中的单元数
`256`(默认)|正整数

代理网络的每个隐藏的全连接层中的单元数(网络输出之前的全连接层除外)，指定为正整数。您设置的值也适用于任何LSTM层。

例子:“NumHiddenUnit”,64年

`UseRNN`- - - - - -标志使用循环神经网络
`假`(默认)|`真正的`

标志使用循环神经网络，指定为逻辑。

如果你设置UseRNN来真正的，在创建代理时，软件在代理网络的输出路径中插入一个循环LSTM层，输出模式设置为sequence。请注意，策略梯度和行动者-评论家代理不支持循环神经网络。万博1manbetx有关LSTM的更多信息，请参见长短期记忆网络．

例子:“UseRNN”,真的

对象的功能

`rlACAgent`	演员-评论家强化学习代理
`rlPGAgent`	策略梯度强化学习代理
`rlDDPGAgent`	深度确定性策略梯度强化学习代理
`rlDQNAgent`	深度q -网络强化学习代理
`rlPPOAgent`	近端策略优化强化学习代理
`rlTD3Agent`	双延迟深度确定性策略梯度强化学习代理
`rlSACAgent`	软演员-评论家强化学习代理

例子

全部折叠

创建代理初始化选项对象

打开实时脚本

创建一个代理初始化选项对象，指定隐藏神经元的数量和循环神经网络的使用。

initOpts = rlAgentInitializationOptions“NumHiddenUnit”, 64,“UseRNN”,真正的)

initOpts = rlAgentInitializationOptions属性:NumHiddenUnit: 64 UseRNN: 1

您可以使用点表示法修改这些选项。例如，设置代理采样时间为0．5．

initOpts。NumHiddenUnit = 128

initOpts = rlAgentInitializationOptions属性:NumHiddenUnit: 128 UseRNN: 1

另请参阅

getActionInfo|getObservationInfo

主题

强化学习代理

R2020b中介绍

强化学习工具箱文档

万博1manbetx

试试MATLAB、Sim万博1manbetxulink和其他产品s manbetx 845

现在就去审判吧