2025年春江苏开放大学强化学习060733形考作业3.docx

2025年春江苏开放大学强化学习060733形考作业3

单选题

1确定性策略梯度算法（DPG）的核心思想是什么？

A通过最大化当前状态的Q值来选择最优动作

B通过最小化策略的损失函数来更新策略

C直接通过策略梯度优化确定性策略的参数

D通过生成随机动作来更新策略

学生答案：C

2、DQN中用到的技巧有（）。

A目标网络、利用、经验回放

B目标网络、探索、经验回放

CQ网络、利用、经验回放

DV网络、探索、经验回放

学生答案：B

3、Actor-Critic算法中的”Actor”和”Critic”各自的作用是什么？

A、Actor负责选择动作，Critic负责计算价值函数并评估Actor的策略