政策和价值功能

定义策略和值函数表示，如深度神经网络和Q表

强化学习策略是一种映射，它根据对环境的观察选择要采取的行动。在训练过程中，智能体调整其策略表示的参数以最大化长期奖励。

强化学习工具箱™软件为演员和评论家提供对象表示。参与者表示选择要采取的最佳操作的策略。批评家代表了评估当前政策价值的价值函数。根据您的应用程序和选择的代理，您可以使用深度神经网络、线性基函数或查找表定义策略和值函数。有关更多信息，请参见创建策略和值函数表示．

功能

`getActor`	从强化学习代理中获得参与者表示
`setActor`	设置强化学习代理的参与者表示
`getCritic`	从强化学习代理中获得评论家表示
`setCritic`	设置强化学习代理的批评表示
`getLearnableParameterValues`	从策略或值函数表示中获取可学习的参数值
`setLearnableParameterValues`	设置策略或值函数表示的可学习参数值

使用函数逼近器(如深度神经网络)指定策略和值函数表示。

您可以使用ONNX™模型格式从其他深度学习框架导入现有策略。