从零开始学MATLAB强化学习工具箱使用(五)：Simulink+强化学习设计器-Toy模板网

这篇具有很好参考价值的文章主要介绍了从零开始学MATLAB强化学习工具箱使用(五)：Simulink+强化学习设计器。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

建立Simulink环境，导入强化学习设计器里，添加代理，进行训练

1. 建立Simulink环境

首先准备好你的Simulink模型，这里还用上节用到的水箱模型。
matlab rl agent,MATLAB强化学习工具包使用,matlab,机器学习

RL Agent模块报错是由于还没有给其绑定代理，后续会在强化学习设计器里配置，暂时不用理会。

下一步，在MATLAB命令行窗口或脚本里为环境指定状态空间和动作空间以及复位函数，然后创建环境。

% 观测空间形状及每个变量取值上下限
obsInfo = rlNumericSpec([3 1],...
    LowerLimit=[-inf -inf 0  ]',...
    UpperLimit=[ inf  inf inf]');
% Name and description are optional and not used by the software
obsInfo.Name = "observations";
obsInfo.Description = "integrated error, error, and measured height";

% Action info
actInfo = rlNumericSpec([1 1]);
actInfo.Name = "flow";
% 创建环境对象
env = rlSimulinkEnv("rlwatertank","rlwatertank/RL Agent",...
    obsInfo,actInfo);
% 指定环境复位函数，这里是自定义函数
env.ResetFcn = @(in)localResetFcn(in);
% 指定仿真时间T f TfTf和代理采样时间T s TsTs，单位是s，这里只是该Simulink模型用到的参数：
Ts = 1.0;
Tf = 200;

新建函数文件localResetFcn.m来提供该复位函数：

function in = localResetFcn(in)

% Randomize reference signal
blk = sprintf("rlwatertank/Desired \nWater Level");
h = 3*randn + 10;
while h <= 0 || h >= 20
    h = 3*randn + 10;
end
in = setBlockParameter(in,blk,Value=num2str(h));

% Randomize initial height
h = 3*randn + 10;
while h <= 0 || h >= 20
    h = 3*randn + 10;
end
blk = "rlwatertank/Water-Tank System/H";
in = setBlockParameter(in,blk,InitialCondition=num2str(h));

end

运行上述代码，使环境对象env出现在工作区。
matlab rl agent,MATLAB强化学习工具包使用,matlab,机器学习

2. 将环境导入RL设计器

命令行运行如下语句打开RL设计器，选择导入环境env。

reinforcementLearningDesigner

matlab rl agent,MATLAB强化学习工具包使用,matlab,机器学习
导入后如图所示，环境面板增加了环境env。

3. 配置代理

为导入的环境配置代理。在Reinforcement Learning标签页点击New，在弹出的窗口里，修改隐藏层神经元数量为50，默认的环境即为导入的环境，选择DDPG算法，点击OK。
matlab rl agent,MATLAB强化学习工具包使用,matlab,机器学习
建立好的代理如下图，按需修改参数：

可以查看Actor和Critic的结构，下图是Actor的：
matlab rl agent,MATLAB强化学习工具包使用,matlab,机器学习

4. 训练并导出训练结果

转到Train选项卡，修改训练参数，然后开始训练。

matlab rl agent,MATLAB强化学习工具包使用,matlab,机器学习
训练完成后如图所示，点击Accept保存训练结果。

导出训练结果agent1_Trained。

成功导出到MATLAB工作区。

5. 在Simulink里仿真

在Simulink模块里双击RL Agent模块，为模块绑定训练好的代理。
matlab rl agent,MATLAB强化学习工具包使用,matlab,机器学习
点击Simulink运行仿真，仿真结果如图。

当然，也可以通过MATLAB命令行运行仿真。

rng(1) % 固定随机数种子方便复现结果
simOpts = rlSimulationOptions(MaxSteps=ceil(Tf/Ts),StopOnError="on");
experiences = sim(env,agent1_Trained,simOpts);

当然，不导出训练结果，直接在RL设计器里运行也是可以的。如下：
先配置仿真参数：
matlab rl agent,MATLAB强化学习工具包使用,matlab,机器学习
仿真完成后，会展示每轮奖励以及所有轮奖励均值和标准差。

点击Inspect Simulation Data查看仿真结果，也可以点击Clear and Inspect Simulation Data预先清除在上一个会话中加载的任何数据。可以在不同的图中选择查看每一轮仿真的不同的数据。
matlab rl agent,MATLAB强化学习工具包使用,matlab,机器学习
回到仿真对话窗体，同样点击Accept保存仿真结果，在Results面板自动添加一条experience，双击它可以再次查看上述结果。

matlab rl agent,MATLAB强化学习工具包使用,matlab,机器学习
最后，保存会话后退出就可以了，后续可以用RL设计器再次打开此会话。

Tips

本节展示了如何用Simulink模型在RL设计器里进行训练，同样地，可以在RL设计器里建立好代理之后导出需要的内容（可导出的内容如下图所示）到MATLAB工作区，然后通过MATLAB脚本进行训练，省去了在MATLAB脚本建立代理的部分过程，而且可以通过脚本修改更多的参数。
matlab rl agent,MATLAB强化学习工具包使用,matlab,机器学习