- Etapa1: Instale via pip install cybmasde
- Etapa2: Importe CybMASDE e configure o ambiente Python
- Etapa3: Defina classes de agentes, espaços de observação e ação
- Etapa4: Crie ou selecione um cenário de ambiente embutido
- Etapa5: Escolha ou integre um algoritmo de RL profundo (por exemplo, PPO, DDPG)
- Etapa6: Configure parâmetros de treinamento e funções de recompensa
- Etapa7: Inicie o treinamento em modo paralelo ou de processo único
- Etapa8: Monitore o progresso usando registros e visualizadores integrados
- Etapa9: Avalie políticas treinadas e ajuste as configurações do cenário
- Etapa10: Exporte e implemente modelos de agentes para testes adicionais