2025年强化学习工程师考试题库（附答案和详细解析）（1130）.docx

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.监督标签（SupervisedLabel）

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）。监督标签是监督学习的输入，不属于MDP的组成部分，因此选D。

以下哪种算法属于基于值函数（Value-Based）的强化学习方法？

A.REINFORCE

B.DQN