原创力文档- 1、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。。
- 2、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。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
强化学习工程师考试试卷
一、单项选择题（共10题，每题1分，共10分）
马尔可夫决策过程（MDP）的核心假设是？
A.状态转移仅依赖当前状态
B.奖励函数与动作无关
C.策略必须是确定性的
D.折扣因子γ=1
答案：A
解析：MDP的马尔可夫性要求状态转移概率仅依赖当前状态（S?），与历史状态无关（P(S???|S?,A?)=P(S???|S?:A?)），因此A正确。奖励函数通常与状态和动作相关（R?=R(S?,A?)），B错误；策略可以是随机的（π(a|s)∈[0,1]），C错误；γ∈[0,1)是常见设定（γ=1可能导致回报发散），D错误。
以下哪项是值函数（ValueFuncti
文档评论（0）