强化学习入门(Matlab2021b)-创建环境【1】

前言

本文介绍如何基于MATLAB编写step、reset函数，创建自己的强化学习环境(Environment)。

使用 rlFunctionEnv 函数，可以根据观察(observation)规范、动作(action)规范和自己创建的step、reset函数创建 MATLAB 强化学习环境，并可以在此环境中训练强化学习智能体(agent)。

对于更复杂的环境，可以使用模板类创建环境对象。

强化学习环境(Environment)简介

environment建立了与agent存在交互的外部系统模型，在该环境中训练agent完成任务。

在控制系统应用中，该外部系统通常称为plant。environment中包含可能需要获取的任何参考信号的环境变量。

强化学习框架

agent和environment交互序列以离散时间步数表示：

1. 给定时间步$t$，environment的state为$S(t)$，产生的observation为$O(t)$；基于$O(t)$和自身策略函数，agent得到的action为$A($