2025年强化学习工程师考试题库（附答案和详细解析）（1219）.docxVIP

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）的核心组成不包括以下哪项？

A.状态空间S

B.动作空间A

C.终止状态集合T

D.折扣因子γ

答案：C

解析：MDP的标准定义为(S,A,P,R,γ)，其中S是状态空间，A是动作空间，P是状态转移概率，R是奖励函数，γ是折扣因子。终止状态集合T是episodicMDP的扩展概念，并非核心组成的必要元素，因此选C。

状态值函数(V^(s))的定义是？

A.在策略π下，状态s的即时奖励

B.在策略π下，从状态s出发的期望累积折扣奖励

C.在策略π下，状态s的最大可能