强化学习工具箱™提供了一个应用程序、函数和模块,让你实现控制器和决策算法对于复杂的应用,如机器人和自动驾驶。
工具箱可以通过强化学习工作流程的所有步骤,从创造环境和代理,与MATLAB政策培训和部署®和仿真软件®。
定义一个代理通过选择从内置的算法如DQN、PPO和囊,或开发您自己的自定义算法。
在强化学习交互设计师创建代理对象,或通过编程的方式。
对于深层神经网络政策,强化学习工具箱可以自动生成一个默认的网络体系结构。
另外,创建深层神经网络策略和价值函数与深层网络设计师…
或以编程方式,内置函数。
除了神经网络,也支持多项式和查找表。
您可以创建在MATLAB和Simulink仿真环境。
在仿真软件中,创建一个模型,描述了环境的动态,观察,和奖励的信号。
接口环境与创建代理对象模型使用一个或多个实例的代理,分别为单个或多智能训练。
为MATLAB环境,你可能开始提供模板和根据需要进行修改。
您也可以选择从几个预定义的MATLAB和Simulink仿真环境。
开始培训,指定训练选项,如停止标准和培训代理软件或编程方式。
并行计算工具箱™和MATLAB并行服务器™让你加速训练通过并行模拟和计算。
在培训过程中,事件经理帮助您直观地监控培训进度和提供汇总统计。
培训完成后,您可以验证培训代理与模拟环境并根据需要进行修改。
然后您可以生成CUDA和C / c++代码部署培训政策。
在强化学习工具箱的更多信息,请参考提供的文档和示例。
