使用基线进行学习的选项，指定为逻辑值。当UseBaseline是真正的，您必须指定一个评论家网络作为基线函数逼近器。

一般来说，对于较小参与者网络的简单问题，PG代理在没有基线的情况下工作得更好。

熵损失权值，指定为之间的标量值0和1．更高的熵损失权值通过对过于确定采取何种行动施加惩罚来促进代理探索。这样做可以帮助代理脱离局部最优。

当在训练过程中计算梯度时，计算一个额外的梯度分量来最小化这个损失函数。

参与者优化器选项，指定为rlOptimizerOptions对象。它允许您指定actor逼近器的训练参数，例如学习率，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和rlOptimizer．

批评家优化器选项，指定为rlOptimizerOptions对象。它允许你指定临界近似器的训练参数，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和rlOptimizer．

药剂的取样时间，用正标量或1．将此参数设置为1允许基于事件的模拟。

在Simulink中^®环境中,RL代理块中指定代理执行每个SampleTime模拟时间的秒数。如果SampleTime是1，块从它的父子系统继承采样时间。

在MATLAB中^®环境中，代理在每次环境前进时执行。在这种情况下，SampleTime输出经验中连续元素之间的时间间隔是否由sim卡或火车．如果SampleTime是1，返回的输出体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。

在训练期间应用于未来奖励的折扣系数，指定为小于或等于1的正标量。