generatePolicyBlock

首先,创建和培训强化学习代理。对于这个示例,加载PG代理培训火车PG代理Cart-Pole平衡系统。

负载(“MATLABCartpolePG.mat”,“代理”)

然后,创建一个政策评估块从该代理使用默认的名称。

generatePolicyBlock(代理);

这个命令创建一个无标题的仿真软件®模型,包含政策块,万博1manbetxblockAgentData.mat所需文件,包含信息创建和初始化政策,(如使用的深层神经网络训练演员在代理)。块加载这些数据文件正确初始化本身之前模拟。

现在你可以拖拽模型中的块®模型和连接它的观察从环境中作为输入,并返回,以便计算行动万博1manbetx环境。这允许您模拟政策在一个封闭的循环。然后您可以生成部署代码的目的。有关更多信息,请参见部署训练强化学习策略。

关闭模式。

bdclose (《无题》)

对象创建的观察和操作规范。对于本例,观察和行动空间定义为连续四次和二维空间,分别。

obsInfo = rlNumericSpec (1 [4]);2 actInfo = rlNumericSpec ([1]);

或者使用getObservationInfo和getActionInfo提取规范对象从一个环境。

创建一个连续确定的演员。这演员必须接受一个观察作为输入,并返回一个行动作为输出。

近似策略函数中的演员,使用复发性深层神经网络模型。层对象的网络定义为一个数组,并观察和行动空间的维数从环境规范的对象。创建一个周期性网络,使用sequenceInputLayer作为输入层(大小等于观测通道的尺寸的数量),包括至少一个lstmLayer。

层= [sequenceInputLayer (obsInfo.Dimension (1) fullyConnectedLayer (10) reluLayer lstmLayer (8, OutputMode =“序列”)fullyConnectedLayer (20) fullyConnectedLayer (actInfo.Dimension (1) tanhLayer];

网络转换为一个dlnetwork对象和显示权重的数量。

模型= dlnetwork(层);总结(模型)

初始化:可学的真正的数字:880输入:1“sequenceinput”序列输入4维度(施)

创建一个演员使用模型,观察和操作规范。

演员= rlContinuousDeterministicActor(模型、obsInfo actInfo)

演员= rlContinuousDeterministicActor属性:ObservationInfo:(1×1 rl.util。rlNumericSpec] ActionInfo:(1×1 rl.util。rlNumericSpec] UseDevice:“cpu”

检查演员与一个随机观测输入。

行动= getAction(演员,{兰德(obsInfo.Dimension)});行为{1}

ans =2×1个列向量-0.0742 - 0.0158

创建一个策略对象演员。

政策= rlDeterministicActorPolicy(演员)

政策= rlDeterministicActorPolicy属性:演员:[1×1 rl.function。rlContinuousDeterministicActor] ObservationInfo:(1×1 rl.util。rlNumericSpec] ActionInfo:(1×1 rl.util。rlNumericSpec] SampleTime: 1

您可以访问使用点符号的政策选择。检查策略和一个随机观察输入。

行动= getAction(政策,{兰德(obsInfo.Dimension)});行为{1}

ans =2×1-0.0060 - -0.0161

你可以和一个定制的培训培训政策循环。

然后,创建一个政策评估块从这一政策对象为生成的MAT-file使用默认名称。

generatePolicyBlock(政策);

这个命令创建一个无标题的仿真软件®模型,包含政策块,万博1manbetxblockAgentData.mat所需文件,包含信息创建和初始化政策,(如使用的深层神经网络训练演员在代理)。块加载这些数据文件正确初始化本身之前模拟。

现在你可以拖拽模型中的块®模型和连接它的观察从环境中作为输入,并返回,以便计算行动万博1manbetx环境。这允许您模拟政策在一个封闭的循环。然后您可以生成部署代码的目的。有关更多信息,请参见部署训练强化学习策略。

关闭模式。

bdclose (《无题》)