強化学習におけるrl​TrainingOp​tionsについての​質問

現在DQNを構築し、

他のソフトを環境として強化学習を実行しています。

環境側で1エピソード分の作業が終了した後、

次のエピソードが始まるまでに15秒ほど時間がかかるのですが、

その間にmatlab側では100エピソードほど進んでしまいます。

そこで、

rlTrainingOptionsなどを用いて1エピソード目の評価を行ったあとに15秒待機する、

といったような設定を行うことは可能でしょうか。

[Toshinobu Shintai]

MATLAB, Simulinkと「他のソフト」を連携して動かす際に、どのようにして連携しているのでしょうか。その連携手法に、計算時間を同期させて動かすモードがあれば、それで問題無いように思えますが。

仰っている、時間で待機して同期させるやり方は、何かのタイミングで同期がずれる可能性があり、再現性が良くないと思います。

[Y. M]

ご指摘いただきありがとうございます。

時間で待機させる点に関しましては、

matlabと別ソフトのどちらが動くのかの判断を、お互いに出力し読み込ませているため問題はないかと思われます。

ただ、どうしても別ソフトが1エピソード終了し次のエピソードが始まるまでに

報酬0という結果が数エピソード分matlab側から返ってきてしまいます。

[Y. M]

初歩的な質問で大変申し訳無いのですが、

IsDoneによって各エピソードの終了判定がされている、という認識で間違いないでしょうか。

[Y. M]

すみません、自己解決しました。