帮助中心帮助中心

MATLAB环境

使用MATLAB建模强化学习环境动态^®

在强化学习场景中，环境对代理交互的动态进行建模。环境:

从代理接收操作
输出由环境模型的动态行为产生的观察结果
生成奖励，衡量行动对完成任务的贡献程度

您可以在MATLAB中创建预定义和自定义环境。有关更多信息，请参见创建MATLAB强化学习环境．

功能

环境创建

`rlPredefinedEnv`	创建一个预定义的强化学习环境
`rlFunctionEnv`	使用函数指定自定义强化学习环境动态
`rlCreateEnvTemplate`	创建自定义强化学习环境模板
`rlMDPEnv`	为强化学习创建马尔可夫决策过程环境
`createMDP`	建立马尔可夫决策过程模型
`createGridWorld`	为强化学习创建一个二维网格世界
`validateEnvironment`	验证自定义强化学习环境

奖励计算

`generateRewardFunction`	从控制规范生成奖励函数来训练强化学习代理
`exteriorPenalty`	一个点关于有界区域的外部惩罚值
`hyperbolicPenalty`	一个点关于有界区域的双曲惩罚值
`barrierPenalty`	一个点相对于有界区域的对数势垒惩罚值

神经网络环境

`rlNeuralNetworkEnvironment`	环境模型与深度神经网络转换模型
`rlContinuousDeterministicTransitionFunction`	基于神经网络环境的确定性过渡函数逼近对象
`rlContinuousGaussianTransitionFunction`	基于神经网络环境的随机高斯跃迁函数逼近对象
`rlContinuousDeterministicRewardFunction`	基于神经网络环境的确定性奖励函数逼近对象
`rlContinuousGaussianRewardFunction`	基于神经网络环境的随机高斯奖励函数逼近对象
`rlIsDoneFunction`	基于神经网络环境的Is-done函数逼近对象
`预测`	根据观察和行动输入数据预测下一次观察、下一次奖励或事件终止
`评估`	给定观测(或观测-动作)输入数据，求函数逼近对象
`加速`	基于神经网络的逼近对象梯度加速计算选项

环境界面

`rlFiniteSetSpec`	为强化学习环境创建离散的动作或观察数据规范
`rlNumericSpec`	为强化学习环境创建持续的动作或观察数据规范
`getActionInfo`	从强化学习环境、智能体或经验缓冲区中获取动作数据规范
`getObservationInfo`	从强化学习环境、agent或经验缓冲区中获取观测数据规范

重置环境

`重置`	重置环境、代理、经验缓冲区或策略对象
`设置`	建立强化学习环境或初始化数据记录器对象
`清理`	清理强化学习环境或数据记录器对象

主题

创建MATLAB强化学习环境
使用MATLAB对象对环境动态进行建模，该对象与代理交互，生成响应代理动作的奖励和观察结果。
在强化学习设计器中创建或导入MATLAB环境
导入自定义MATLAB环境或创建预定义的MATLAB环境。
定义奖励信号
创建一个奖励信号来衡量代理在实现其目标方面的成功程度。
负载预定义控制系统环境
负载预定义的MATLAB控制系统环境。
加载预定义网格世界环境
在预定义的MATLAB网格世界环境中训练代理，其中行为、观察和奖励已经定义。
创建自定义网格世界环境
通过定义自己的大小、奖励和障碍来创建自定义的MATLAB网格世界环境。
使用自定义函数创建MATLAB环境
通过提供自定义动态函数创建一个强化学习环境。
从模板创建自定义MATLAB环境
通过创建和修改模板环境对象定义自定义强化学习环境。