打开强化学习设计器App

打开强化学习设计应用程序。

reinforcementLearningDesigner

最初，应用中没有加载代理或环境。

进口Cart-Pole环境

当使用强化学习设计，你可以从MATLAB中导入一个环境^®工作区或创建一个预定义的环境。更多信息，请参见为强化学习设计器创建MATLAB环境和为强化学习设计器创建Simulink环境。

对于本例，使用预定义的离散车极MATLAB环境。要导入该环境，在强化学习选项卡,环境部分中,选择全新>离散式车杆。

在环境窗格，应用程序添加导入离散CartPole环境。要重命名环境，请单击环境文本。也可以在会话中导入多个环境。

要查看观察和动作空间的尺寸，请点击环境文本。应用程序会在预览窗格。

这种环境有一个连续的四维观测空间(推车和极点的位置和速度)和一个离散的一维行动空间，由-10N或10N两种可能的力组成。这种环境被用在训练DQN代理平衡车杆系统的例子。有关预定义控制系统环境的更多信息，请参见加载预定义控制系统环境。

为导入的环境创建DQN代理

要创建一个代理，就强化学习选项卡,代理部分中,点击新。在“创建代理”对话框中，指定代理名称、环境和训练算法。默认的代理配置使用导入的环境和DQN算法。在本例中，将隐藏单元的数量从256修改为24。有关创建代理的更多信息，请参见使用强化学习设计器创建代理。

点击好吧。

该应用程序将新代理添加到代理窗格并打开相应的agent1文档。

点击查看DQN代理功能的简要总结，查看代理的观察和动作规格概述。

当你创建一个DQN代理强化学习设计，代理为其批评家使用默认的深度神经网络结构。要查看评论家网络，在DQN代理选项卡上,单击视图评论家模型。

的深度学习网络分析仪打开并显示批评家结构。

关闭深度学习网络分析仪。

火车代理

要训练你的代理，就火车选项卡，首先指定训练代理的选项。有关指定训练选项的信息，请参见在强化学习设计器中指定模拟选项。

对于本例，通过设置指定训练集的最大数量马克斯集来1000。对于其他训练选项，使用默认值。默认的停止标准是每集的平均步数(超过上一集)5集)大于500。

要开始培训，请单击火车。

在训练过程中，应用程序会打开训练TAB，显示训练进度培训结果文档。

在这里，当每集的平均步数是500步时，训练就停止了。清除显示集Q0选项可视化更好的章节和平均奖励。

要接受训练结果，就上训练选项卡上,单击接受。在代理窗格，应用程序添加了训练有素的代理，agent1_Trained。

模拟代理和检查仿真结果

模拟训练有素的代理，在模拟选项卡中,首先选择agent1_Trained在代理下拉列表，然后配置仿真选项。在本例中，使用默认的剧集数(10)和最大集长(500)。有关指定模拟选项的更多信息，请参见在强化学习设计器中指定训练选项。

模拟座席，点击模拟。

该应用程序打开模拟会议选项卡。模拟完成后，仿真结果文档显示了每一集的奖励以及奖励的平均值和标准差。

分析仿真结果，点击检查模拟数据。

在仿真数据检查可以查看每个模拟剧集保存的信号。更多信息，请参见仿真数据检查(模型)。

下图为第六模拟集的车-杆系统的第一和第三状态(车的位置和杆的角度)。代理能够成功地平衡柱子500步，即使推车的位置经历了适度的摆动。你可以修改一些DQN代理选项，比如BatchSize和TargetUpdateFrequency促进更快、更健壮的学习。更多信息，请参见训练DQN代理平衡车杆系统。

关闭仿真数据检查。

要接受仿真结果，就模拟会议选项卡上,单击接受。

在结果Pane，该应用添加了模拟结果结构，experience1。

导出代理和保存会话

将训练过的代理导出到MATLAB工作空间进行额外的模拟，在强化学习选项卡,在出口，选择训练有素的代理。

保存应用程序会话，在强化学习选项卡上,单击保存会话。将来，要继续您停止的工作，您可以在强化学习设计。

在命令行模拟代理

要在MATLAB命令行中模拟代理，首先加载车极环境。

env = rlPredefinedEnv (“CartPole-Discrete”);

cart-pole环境有一个环境可视化工具，可以让您看到系统在模拟和训练期间的行为。

绘制环境，并使用之前从应用程序导出的经过训练的代理执行模拟。

plot(env) xpr2 = sim(env, agent1_written);

在模拟过程中，可视化工具会显示推车和杆子的运动情况。经过训练的代理能够稳定系统。

最后，显示模拟累积奖励。

总和(xpr2.Reward)

env = 500

不出所料，奖励是到500。