江苏开放大学强化学习060733形考作业1.docx

1、本文档共6页，其中可免费阅读2页，需付费99金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。

试题列表

单选题

题型：单选题客观题分值5分难度：简单得分：5

关于多臂??机问题的描述，下列说法错误的是（）

每个摇臂的中奖概率是未知的

?标是在有限的摇动次数中获得更多的硬币奖励

每个摇臂的中奖概率不完全相同

多臂??机问题可以转化为?个?退化的MDP问题

正确答案：D

题型：单选题客观题分值5分难度：简单得分：5

对于强化学习中模型的理解是（）。

模型决定了下一步要采取的动作。

它由状态、动作、状态转移概率和奖励函数几个部分组成。

马尔可夫决策过程中可以有模型，也可以没有模型。

模型中的奖励函数是指我们在当前状态采取了某个动作，可以得到多大的奖励

江苏开放大学,北京开放大学，西安开放大学，国开，云南开放大学，浙江电大，贵州电大，甘肃电大，兰大网院，四川电大，天津开放大学

更多 >