setCritic
强化学习剂的设置批评家
描述
例子
修改临界参数值
假设你有一个训练有素的强化学习代理。对于本例,从加载经过训练的代理训练DDPG代理控制双积分器系统.
负载(“DoubleIntegDDPG.mat”,“代理”)
从agent中得到临界函数逼近器。
评论家= getCritic(代理);
从临界器中获取可学习的参数。
params = getLearnableParameters(批评)
params =2×1单元阵列{[-4.9889 -1.5548 -0.3434 -0.1111 -0.0500 -0.0035]} {[0]}
修改参数值。对于本例,只需将所有参数乘以2
.
modifiedParams = cellfun(@(x) x*2,params,“UniformOutput”、假);
将批评家的参数值设置为新修改的值。
评论家= setLearnableParameters(评论家,modifiedParams);
将代理中的批评家设置为新修改的批评家。
setCritic(代理、评论家);
显示新的参数值。
getLearnableParameters (getCritic(代理)
ans =2×1单元阵列{[-9.9778 -3.1095 -0.6867 -0.2223 -0.1000 -0.0069]} {[0]}
改进强化学习Agent中的深度神经网络
创造一个具有连续动作空间的环境,并获得其观察和动作规格。对于本例,加载示例中使用的环境训练DDPG代理控制双积分器系统.
加载预定义的环境。
env = rlPredefinedEnv (“DoubleIntegrator-Continuous”);
获取观察和行动规范。
obsInfo = getObservationInfo (env);actInfo = getActionInfo (env);
根据环境观察和行动规范创建PPO代理。这个代理使用默认的深度神经网络作为它的参与者和批评家。
代理= rlPPOAgent (obsInfo actInfo);
要修改强化学习代理内部的深度神经网络,必须首先提取作用函数和临界函数逼近器。
演员= getActor(代理);评论家= getCritic(代理);
从作用函数近似和临界函数近似中提取深度神经网络。
actorNet = getModel(演员);criticNet = getModel(批评);
网络是dlnetwork
对象。来查看它们情节
函数,你必须把它们转换成layerGraph
对象。
例如,查看演员网络。
情节(layerGraph (actorNet))
要验证网络,请使用analyzeNetwork
.例如,验证批评家网络。
analyzeNetwork (criticNet)
您可以修改演员和评论家网络,并将它们保存回代理。要修改网络,可以使用深层网络设计师要打开每个网络的app,使用以下命令。
deepNetworkDesigner (layerGraph (criticNet) deepNetworkDesigner (layerGraph (actorNet))
在深层网络设计师,修改网络。例如,可以向网络添加额外的层。修改网络时,不要更改返回的网络的输入和输出层getModel
.有关构建网络的更多信息,请参见用深度网络设计器构建网络.
验证修改后的网络深层网络设计师,你必须点击分析了dlnetwork下,分析部分。为了将修改后的网络结构导出到MATLAB®工作区,生成用于创建新网络的代码,并从命令行运行此代码。中不使用导出选项深层网络设计师.有关显示如何生成和运行代码的示例,请参见使用深度网络设计器创建代理和使用图像观察训练.
对于本例,用于创建修改的演员和评论家网络的代码在createModifiedNetworks
辅助脚本。
createModifiedNetworks
每个修改后的网络都包含一个附加的网络fullyConnectedLayer
而且reluLayer
在他们共同的道路上。查看修改后的演员网络。
情节(layerGraph (modifiedActorNet))
导出网络后,将网络插入到作用函数和临界函数逼近器中。
演员= setModel(演员,modifiedActorNet);评论家= setModel(评论家,modifiedCriticNet);
最后,将修正后的优构函数和评构函数近似插入优构函数和评构函数中。
代理= setActor(代理、演员);代理= setCritic(代理、批评);
输入参数
评论家
- - - - - -评论家
rlValueFunction
对象|rlQValueFunction
对象|rlVectorQValueFunction
对象|的双元素行向量rlQValueFunction
对象
批评家对象,指定为以下之一:
rlValueFunction
object -当返回时代理
是一个rlACAgent
,rlPGAgent
,或rlPPOAgent
对象。rlQValueFunction
object -当返回时代理
是一个rlQAgent
,rlSARSAAgent
,rlDQNAgent
,rlDDPGAgent
,或rlTD3Agent
用一个批评家来反对。rlVectorQValueFunction
object -当返回时代理
是一个rlQAgent
,rlSARSAAgent
,rlDQNAgent
,具有离散动作空间的对象,向量q值函数批评家。的双元素行向量
rlQValueFunction
objects -当返回时代理
是一个rlTD3Agent
或rlSACAgent
提出两个批评意见。
输出参数
版本历史
介绍了R2019a
MATLAB命令
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。