- Шаг 1: Установить через pip install cybmasde или клонировать репозиторий GitHub и установить зависимости командой pip install -r requirements.txt.
- Шаг 2: Импортировать CybMASDE и настроить окружение Python.
- Шаг 3: Определить классы агентов, пространства наблюдений и действий.
- Шаг 4: Создать или выбрать встроенный сценарий окружения.
- Шаг 5: Выбрать или интегрировать алгоритм глубокого RL (например, PPO, DDPG).
- Шаг 6: Настроить параметры обучения и функции наград.
- Шаг 7: Запустить обучение в параллельном или однопроцессорном режиме.
- Шаг 8: Контролировать прогресс с помощью встроенных журналов и визуализаторов.
- Шаг 9: Оценить обученные политики и скорректировать настройки сценария.
- Шаг 10: Экспортировать и развернуть модели агентов для дальнейших тестов.