创建MATLAB强化学习环境- MATLAB & Simulink - 卡塔尔世界杯8强比赛直播

创建MATLAB强化学习的环境

在强化学习场景中，您训练一个代理完成一项任务，环境对与代理交互的外部系统(即世界)进行建模。在控制系统应用中，这种外部系统常被称为这种植物．

如下图所示，环境:

创建环境模型包括定义:

在创建环境对象时，必须指定代理用于与环境交互的操作和观察信号。你可以创建离散或连续的行动和观察空间。有关更多信息，请参见rlNumericSpec而且rlFiniteSetSpec,分别。

选择什么信号作为操作和观察取决于您的应用程序。例如，对于控制系统应用，误差信号的积分(有时是导数)通常是有用的观察。此外，对于参考跟踪应用，有一个时变的参考信号作为观察是有帮助的。

在定义观察信号时，确保所有环境状态(或它们的估计)都包含在观察向量中。这是一个很好的实践，因为代理通常是一个缺乏内部内存或状态的静态函数，因此它可能无法成功地在内部重构环境状态。

例如，一个摆动的摆的图像观测有位置信息，但它本身没有足够的信息来确定摆的速度。在这种情况下，你可以测量或估计摆速度作为一个额外的入口在观察矢量。

强化学习工具箱™软件提供了一些预定义的MATLAB^®已经定义了行动、观察、奖励和动态的环境。您可以使用这些环境来:

您可以为自己的应用程序创建以下类型的自定义MATLAB环境。

一旦创建了自定义环境对象，就可以以与在预定义环境中相同的方式训练代理。有关培训代理的更多信息，请参见训练强化学习代理．

你可以用你自己的自定义奖励、状态转换和障碍配置创建任意大小的自定义网格世界。要创建一个自定义网格世界环境:

控件创建网格世界模型createGridWorld函数。例如，创建一个名为吉瓦十行九列。
```
9 gw = createGridWorld(10日);
```
通过修改模型的属性来配置网格世界。例如，指定终端状态作为位置(7、9)
```
gw。TerminalStates =“(7、9)”；
```
网格世界需要包含在马尔可夫决策过程(MDP)环境中。为这个网格世界创建一个MDP环境，代理使用该环境与网格世界模型交互。
```
env = rlMDPEnv (gw);
```