机器学习(强化学习)期末测试练习题.docxVIP

1、Q-learning算法中，Q 函数是A.状态-动作值函数 B.状态函数C.估值函数D.奖励函数正确答案：A 2、Q(s,a)是指在给定状态 s 的情况下，采取行动a 之后，后续的各个状态所能得到的回报（） A.总和 B.最大值C.最小值D.期望值 正确答案：D 3、在强化学习过程中，学习率越大，表示采用新的尝试得到的结果比例越（），保持旧的结果的比例越（） 大， 小 B.大，大 C. 小，大 D.小，小 正确答案：A 4、在强化学习的过程中，（）能够在稍微偏离目前最好策略的基础上，尝试更多策略， （）能够运用目前最好的策略，获取更高的奖励A.利用，探索 探索，利用 利用，输出 探索，输出正确答案：B 5、在 epsilon-greedy算法中，epsilon的值越大，采取随机动作的概率越（），采用当前 Q 函数最大动作的概率越（） A.小，小B.大，小C.大，大D.小，大 正确答案：B 二、多选题 1、强化学习包含哪些元素A.Reward B.Agent C.State D.Action 正确答案：A、B、C、D 三、判断题 1、在 DQN 中，求解 Q(s,a)时采用的策略是有限采样 s,a，并通过采样值来估计 Q 值。 （√） 2、可以采用policy gradien算t 法来设计一款围棋游戏。（√） 3、在 Actor-Criti算c法中，Q 函数和 V 函数同时被优化。（√） 4、TD 算法使用完整的采样来计算长期奖励值。（√）