环境接口(强化学习)(Matlab)

rlFiniteSetSpec

rlFiniteSetSpec 对象可传输离散的动作或状态观察结果。

matlab 复制代码
spec = rlFiniteSetSpec(elements)为有限集动作或状态观察通道创建数据规范对象,并设置元素属性。
spec = rlFiniteSetSpec(elements,Name=Value)创建规范对象 spec,并使用一个或多个 name-value 参数设置其属性。

rlNumericSpec

rlNumericSpec 对象可传输连续的动作或状态观察结果。

matlab 复制代码
spec = rlNumericSpec(dimension) 为连续动作或状态观测通道创建数据明细对象,并设置维度属性。

spec = rlNumericSpec(dimension,Name=Value) 创建对象 spec ,并使用一个或多个 name-value 参数设置其属性。

getActionInfo

从强化学习环境、智能体或经验池获取动作数据规范

matlab 复制代码
actInfo = getActionInfo(env)从强化学习环境中获取动作信息。
actInfo = getActionInfo(agent)从强化学习智能体中获取动作信息。
actInfo = getActionInfo(buffer)从强化学习经验池中获取动作信息。

getObservationInfo

从强化学习环境、智能体或经验池获取状态观测数据规范

matlab 复制代码
obsInfo = getObservationInfo(env)从强化学习环境中获取状态观测信息。
obsInfo = getObservationInfo(agent)从强化学习智能体中获取状态观测信息。
obsInfo = getObservationInfo(buffer)从强化学习经验池中获取状态观测信息。

validateEnvironment

验证自定义强化学习环境

matlab 复制代码
validateEnvironment(env)

该函数在以下情况下非常有用

  • 使用 rlCreateEnvTemplate 从模板类创建自定义环境。
  • 使用 rlSimulinkEnv 或 createIntegratedEnv 创建自定义 Simulink 环境。

当使用 rlFunctionEnv 或 rlNeuralNetworkEnvironment 创建自定义环境时,软件会在创建环境对象后自动运行 validateEnvironment。

validateEnvironment 会重置环境、生成初始状态观察结果和动作,并模拟环境的一个或两个步骤。如果在这些操作过程中没有出现错误,则验证成功,validateEnvironment 不会返回任何结果。如果出现错误,这些错误会显示在 MATLAB 命令窗口中。利用这些错误来确定观察规范、操作规范、自定义函数或 Simulink 模型中需要更改的内容。

bus2RLSpec

为 Simulink 总线的元素创建强化学习数据规范

matlab 复制代码
specs = bus2RLSpec(busName) 从由 busName 指定的 Simulink 总线对象中创建一组强化学习数据规范。为相应 Simulink 总线中的每个叶元素创建一个规范元素。使用这些规范可为 Simulink 强化学习环境定义包含多个通道的观测值。
specs = bus2RLSpec(busName,Name=Value)指定使用一个或多个 Name=Value 参数创建规范的选项。
相关推荐
鲸屿1952 小时前
python之socket网络编程
开发语言·网络·python
没有梦想的咸鱼185-1037-16632 小时前
基于R语言机器学习方法在生态经济学领域中的实践技术应用
开发语言·机器学习·数据分析·r语言
Webb Yu2 小时前
Azure Databricks 实践:数据分析、机器学习、ETL 与 Delta Lake
机器学习·数据分析·azure
向上的车轮3 小时前
基于go语言的云原生TodoList Demo 项目,验证云原生核心特性
开发语言·云原生·golang
The Chosen One9853 小时前
C++ : AVL树-详解
开发语言·c++
PH_modest3 小时前
【Qt跬步积累】—— 初识Qt
开发语言·qt
君名余曰正则3 小时前
机器学习实操项目01——Numpy入门(基本操作、数组形状操作、复制与试图、多种索引技巧、线性代数)
线性代数·机器学习·numpy
怀旧,3 小时前
【C++】18. 红⿊树实现
开发语言·c++
君名余曰正则3 小时前
机器学习04——决策树(信息增益、信息增益率、ID3、C4.5、CART、剪枝、连续值缺失值处理)
人工智能·决策树·机器学习