此示例显示了如何建立钟摆模型并使用DDPG训练。

模型加载参考我上一篇使用DQN的博文。

打开模型并创建环境接口

打开模型

mdl = 'rlSimplePendulumModel';
open_system(mdl)

为钟摆创建一个预定义的环境界面。

env = rlPredefinedEnv('SimplePendulumModel-Continuous')

界面具有离散的操作空间，智能体可以在其中将三个可能的扭矩值之一施加到摆锤上：–2、0或2 N·m。
要将摆的初始条件定义为向下悬挂，请使用匿名函数句柄指定环境重置函数。 此重置功能将模型工作区变量thetaθ thetaθ设置为pi。

numObs = 3;
set_param('rlSimplePendulumModel/create observations','ThetaObservationHandling','sincos');

要将摆的初始条件定义为向下悬挂，请使用匿名函数句柄指定环境重置函数。此重置功能将模型工作区变量设置theta0为pi。

env.ResetFcn = @(in)setVariable(in,'theta0',pi,'Workspace',mdl);

以秒为单位指定模拟时间Tf和代理采样时间Ts。

Ts = 0.05;
Tf = 20;

固定随机生成器种子以提高可重复性。

rng(0)

创建DDPG智能体

DDPG智能体使用评论者价值函数表示法，根据给定的观察和操作来估算长期奖励。 要创建评论者，首先要创建一个具有两个输入（状态和动作）和一个输出的深度神经网络。 有关创建深度神经网络值函数表示的更多信息，请参见创建策略和值函数表示。

statePath = [
    featureInputLayer(numObs,'Normalization','none','Name','observation')
    fullyConnectedLayer(400,'Name','CriticStateFC1')
    reluLayer('Name', 'CriticRelu1')
    fullyConnectedLayer(300,'Name','CriticStateFC2')];
actionPath = [
    featureInputLayer(1,'Normalization','none','Name','action')
    fullyConnectedLayer(300,'Name','CriticActionFC1','BiasLearnRateFactor',0)];
commonPath = [
    additionLayer(2,'Name','add')
    reluLayer('Name','CriticCommonRelu')
    fullyConnectedLayer(1,'Name','CriticOutput')];

criticNetwork = layerGraph();
criticNetwork = addLayers(criticNetwork,statePath);
criticNetwork = addLayers(criticNetwork,actionPath);
criticNetwork = addLayers(criticNetwork,commonPath);
    
criticNetwork = connectLayers(criticNetwork,'CriticStateFC2','add/in1');
criticNetwork = connectLayers(criticNetwork,'CriticActionFC1','add/in2');

查看评论者网络配置。

figure
plot(criticNetwork)

使用rlRepresentationOptions指定评论者表示的选项。

criticOpts = rlRepresentationOptions('LearnRate',1e-03,'GradientThreshold',1);

使用指定的深度神经网络和选项创建评论者表示。 您还必须指定评论者的操作和观察信息，这些信息是从环境界面获得的。 有关更多信息，请参见rlQValueRepresentation。

obsInfo = getObservationInfo(env);
actInfo = getActionInfo(env);
critic = rlQValueRepresentation(criticNetwork,obsInfo,actInfo,'Observation',{'observation'},'Action',{'action'},criticOpts);

要创建一个具有一个输入（观察）和一个输出（动作）的深度神经网络。
以类似于评论者的方式构造行动者。 有关更多信息，请参见rlDeterministicActorRepresentation。

actorNetwork = [
    featureInputLayer(numObs,'Normalization','none','Name','observation')
    fullyConnectedLayer(400,'Name','ActorFC1')
    reluLayer('Name','ActorRelu1')
    fullyConnectedLayer(300,'Name','ActorFC2')
    reluLayer('Name','ActorRelu2')
    fullyConnectedLayer(1,'Name','ActorFC3')
    tanhLayer('Name','ActorTanh')
    scalingLayer('Name','ActorScaling','Scale',max(actInfo.UpperLimit))];

actorOpts = rlRepresentationOptions('LearnRate',1e-04,'GradientThreshold',1);

actor = rlDeterministicActorRepresentation(actorNetwork,obsInfo,actInfo,'Observation',{'observation'},'Action',{'ActorScaling'},actorOpts);

要创建DDPG智能体，请首先使用rlDDPGAgentOptions指定DDPG代理选项。

agentOpts = rlDDPGAgentOptions(...
    'SampleTime',Ts,...
    'TargetSmoothFactor',1e-3,...
    'ExperienceBufferLength',1e6,...
    'DiscountFactor',0.99,...
    'MiniBatchSize',128);
agentOpts.NoiseOptions.Variance = 0.6;
agentOpts.NoiseOptions.VarianceDecayRate = 1e-5;

然后使用指定的行动者表示，评论者表示和智能体选项创建DDPG智能体。 有关更多信息，请参见rlDDPGAgent。

agent = rlDDPGAgent(actor,critic,agentOpts);

训练智能体

要训练智能体，请首先指定训练选项。对于此示例，使用以下选项。

1. 进行最多50000次的训练，每集持续最多的ceil(Tf/Ts)时间步长。

2. 在“情节管理器”对话框中显示训练进度（设置Plots选项），并禁用命令行显示（将Verbose选项设置为false）。

3. 当特工连续五个情节获得的平均累积奖励大于–740时，请停止训练。在这一点上，代理可以以最小的控制力快速地使摆锤处于直立位置。

4. 为累积奖励大于–740的每个情节保存代理的副本。

有关更多信息，请参见rlTrainingOptions。

maxepisodes = 5000;
maxsteps = ceil(Tf/Ts);
trainOpts = rlTrainingOptions(...
    'MaxEpisodes',maxepisodes,...
    'MaxStepsPerEpisode',maxsteps,...
    'ScoreAveragingWindowLength',5,...
    'Verbose',false,...
    'Plots','training-progress',...
    'StopTrainingCriteria','AverageReward',...
    'StopTrainingValue',-740,...
    'SaveAgentCriteria','EpisodeReward',...
    'SaveAgentValue',-740);

使用训练函数训练智能体。 训练此智能体是一个计算密集型过程，需要几分钟才能完成。 为了节省运行本示例的时间，请通过将doTraining设置为false来加载预训练的智能体。 要自己训练智能体，请将doTraining设置为true。

doTraining = false;
if doTraining
    % Train the agent.
    trainingStats = train(agent,env,trainOpts);
else
    % Load the pretrained agent for the example.
    load('SimulinkPendulumDDPG.mat','agent')
end

DDPG仿真

要验证以训练的智能体的表现，请在摆环境中对其进行仿真。 有关智能体模拟的更多信息，请参见rlSimulationOptions和sim。

simOptions = rlSimulationOptions('MaxSteps',500);
experience = sim(env,agent,simOptions);

最后

以上就是单纯电源为你收集整理的MATLAB强化学习工具箱（八）钟摆模型建模并使用DDPG训练打开模型并创建环境接口创建DDPG智能体训练智能体DDPG仿真的全部内容，希望文章能够帮你解决MATLAB强化学习工具箱（八）钟摆模型建模并使用DDPG训练打开模型并创建环境接口创建DDPG智能体训练智能体DDPG仿真所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。