原创力文档- 1、本文档共2页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
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（）
A.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
B.探索，利用
C.利用，输出
D.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policygradient算法来设计一款围棋游戏。（√）
3、在Actor-Critic算法中，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。（√）
文档评论（0）