- Étape 1 : Installer via pip install cybmasde
- Étape 2 : Importer CybMASDE et configurer l'environnement Python
- Étape 3 : Définir les classes d'agents, les espaces d'observation et d'action
- Étape 4 : Créer ou sélectionner un scénario environnement intégré
- Étape 5 : Choisir ou intégrer un algorithme RL profond (par exemple, PPO, DDPG)
- Étape 6 : Configurer les paramètres d'entraînement et les fonctions de récompense
- Étape 7 : Démarrer l'entraînement en mode parallèle ou en processus unique
- Étape 8 : Surveiller les progrès à l'aide des journaux et visualisateurs intégrés
- Étape 9 : Évaluer les politiques entraînées et ajuster les paramètres du scénario
- Étape 10 : Exporter et déployer les modèles d'agents pour des tests supplémentaires