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)。
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）的核心要素不包括以下哪项？
A.状态空间（StateSpace）
B.动作空间（ActionSpace）
C.奖励函数（RewardFunction）
D.经验回放（ExperienceReplay）
答案：D
解析：MDP的核心要素包括状态空间（S）、动作空间（A）、转移概率（P）、奖励函数（R）和折扣因子（γ）。经验回放是深度强化学习中DQN算法的优化技术，不属于MDP的基本要素。
以下哪种算法属于“离线策略”（Off-Policy）算法？
A.Sarsa
B.Q-lear
文档评论（0）