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

注意：学习平台题目可能是随机，题目顺序与本答案未必一致，同学们在本页按“Ctrl+F”快捷搜索题目中“关键字”就可以快速定位题目，一定注意答案对应的选项，如果答案有疑问或遗漏，请在下载网站联系上传者（可留下自己的联系方式）进行售后。如需其它科目的答案也可以联系上传者。

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

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