load('MATLABCartpolePG.mat','agent')

Создайте функцию оценки политики для этого агента с помощью имен по умолчанию.

generatePolicyFunction(agent)

Эта команда создает файл evaluatePolicy.m, который содержит функцию политики и файл agentData.mat, который содержит обученного агента глубокой нейронной сети.

Чтобы просмотреть сгенерированную функцию, введите:

type evaluatePolicy.m

Для данного наблюдения функция политики оценивает вероятность для каждого возможного действия с помощью сети агента. Затем функция политики случайным образом выбирает действие на основе этих вероятностей.

Поскольку сеть агента для этого агента PG имеет один входной слой и один выходной слой, можно сгенерировать код для этой сети с помощью функциональности генерации кода Deep Learning Toolbox™. Для получения дополнительной информации смотрите, Развертывают Обученные политики Изучения Укрепления.

load('basicGWQAgent.mat','qAgent')

Создайте функцию оценки политики для этого агента, задав имя файла данных агента.

generatePolicyFunction(qAgent,'MATFileName',"policyFile.mat")

Эта команда создает файл evaluatePolicy.m, который содержит функцию политики и файл policyFile.mat, который содержит обученную функцию табличного значения Q.

Чтобы просмотреть сгенерированную функцию, введите:

type evaluatePolicy.m

Для данного наблюдения функция политики ищет функцию значения для каждого возможного действия с помощью таблицы Q. Затем функция политики выбирает действие, для которого функция значения является самой большой.

Можно сгенерировать код для этой функции политики использование MATLAB Coder. Для получения дополнительной информации смотрите, Развертывают Обученные политики Изучения Укрепления.

load('MATLABCartpoleDQN.mat','agent')

Создайте функцию оценки политики для этого агента, задав функцию и имя файла.

generatePolicyFunction(agent,'FunctionName',"computeAction")

Эта команда создает файл computeAction.m, который содержит функцию политики и файл agentData.mat, который содержит обученного критика глубокой нейронной сети.

Чтобы просмотреть сгенерированную функцию, введите:

type computeAction.m

Для данного наблюдения функция политики выполняет функцию значения действия наблюдения для каждого потенциального дискретного действия, с помощью сети критика. Затем функция политики выбирает действие, которое производит самую большую функцию ожидаемого значения.

Функциональность генерации кода Deep Learning Toolbox поддерживает только сети с одним входным слоем. Поэтому генерация кода не поддержана для computeAction.m, поскольку у критика в агенте DQN есть два входных слоя, один для наблюдения и один для действия.