模具强化学习工具箱bietet eine App、Funktitonen und einen Simulink®-Block zum Trainieren von Strategien mit Reinforcement-Learning-Algorithmen wie DQN、PPO、SAC和DDPG。Mithilfe dieser Strategien können Sie Steuerungen und Entscheidungsalgorithmen für komplexe Anwendungen wie Ressourcenzuweisung,Robotik und autonome Anlagen implementieren。
模具工具箱ermöglicht das Darstellen von Strategien und Wertefunktionen mithilfe tiefer neuronaler Netze oder Lookup-Tabellen und ihr Trainieren durch Die Interaktion mit Umgebungen,模具为MATLAB-oder Simulink-Modelle dargestellt werden。Sie haben die Möglichkeit,die in der Toolbox bereitgestellten Single-Agent-order Multi-Agent-Reinforcement-Learning-Algorithmen zu evalueren order eigene zu erstellen。Sie können mit Hyperparameter-Einstellungen experitieren、den Trainingsfortschrittüberwachen和trainiete Agenten entweder interaktiv durch die App oder per Programm simulieren。Um die Trainingslistung zu optimieren,können Sie Parallel Simulationen auf mehreren CPU,Grafikkarten,在云计算集群中(mit der Parallel Computing Toolbox und MATLAB Parallel Server)ausführen。
Durch das ONNX™-Modellformat lassen sich zudem vorhandene Strategien aus Deep-Learning-Frameworks wie TensorFlow™Keras und PyTorch(mit der Deep-Learning Toolbox)的重要功能。Sie können optimierten C、C++和CUDA®-代码生成器,um trainiete Strategien auf Microcontroller und GPU anzuwenden。模具工具箱beinhaltet Referencezbeispiele,um Ihnen Die ersten Schritte zu erleichtern。