代理在从其经验中学习之前与环境交互的步骤数，指定为正整数。

的ExperienceHorizon值必须大于或等于MiniBatchSize价值。

用于每个学习阶段的小批大小，指定为正整数。当代理使用循环神经网络时，MiniBatchSize作为训练轨迹长度。

的MiniBatchSize值必须小于或等于ExperienceHorizon价值。

熵损失权重，指定为一个介于之间的标量值0而且1．较高的熵损失权重值通过对过于确定行动的行为施加惩罚来促进代理的探索。这样做可以帮助代理移出本地最优。

当在训练过程中计算梯度时，计算一个额外的梯度分量以使熵损失最小化。有关更多信息，请参见熵损失．

演员和评论家网络从当前经验集中学习的时代数，指定为正整数。

估算优势值的方法，指定为下列之一:

有关这些方法的更多信息，请参见近端策略优化代理．

用于广义优势估计器的平滑因子，指定为介于之间的标量值0而且1、包容。此选项仅适用于AdvantageEstimateMethod选择是“gae”

数值稳定性的共轭梯度阻尼因子，指定为非负标量。

旧策略和当前策略之间的Kullback-Leibler (KL)发散的上限，指定为正标量。

共轭梯度的最大迭代次数，指定为正整数。

行搜索的迭代次数，指定为正整数。

通常，默认值适用于大多数情况。

共轭梯度残余公差，指定为正标量。一旦共轭梯度算法的残差低于此公差，算法停止。

通常，默认值适用于大多数情况。

归一化优势函数值的方法，指定为以下之一:

在某些环境中，可以通过在训练过程中规范化优势函数来提高代理的性能。代理通过减去平均优势值和标准偏差缩放来规范化优势函数。

用于规范化优势函数值的窗口大小，指定为正整数。时使用此选项NormalizedAdvantageMethod选择是“移动”．

批评家优化器选项，指定为rlOptimizerOptions对象。它允许您指定临界逼近器的训练参数，如学习率，梯度阈值，以及优化器算法及其参数。有关更多信息，请参见rlOptimizerOptions而且rlOptimizer．

代理的采样时间，指定为正标量或－1．将此参数设置为－1允许基于事件的模拟。

在一个模型^®环境中,RL代理块，指定代理在其中执行SampleTime秒模拟时间。如果SampleTime是－1，该块从其父子系统继承采样时间。

在MATLAB^®在环境中，每当环境前进时，都会执行代理。在这种情况下,SampleTime是否返回输出经验中连续元素之间的时间间隔sim卡或火车．如果SampleTime是－1，返回的输出经验中连续元素之间的时间间隔反映了触发代理执行的事件的时间。

折扣因子应用于训练期间的未来奖励，指定为小于或等于1的正标量。