强化学习在游戏中的应用考核.pdfVIP

强化学习在游戏中的应用考核

考试时间：______分钟总分：______分姓名：______

一、选择题（每题2分，共20分。请将正确选项的字母填在题后的括号内）

1.在强化学习中，智能体通过与环境交互获得反馈，这种反馈通常表现为

（）。

A.状态转移概率

B.策略梯度

C.奖励信号

D.环境模型

2.下列哪个算法属于基于值函数的强化学习算法？（）

A.REINFORCE

B.A2C

C.Q-Learning

D.DDPG

3.在Q-Learning算法中，目标函数（Q_target）的计算通常涉及当前状态-

动作对的Q值和（）。

A.下一个状态-动作对的Q值

B.当前状态的价值函数

C.下一个状态的价值函数

D.奖励函数

4.经验回放（ExperienceReplay）技术主要用于解决强化学习中的（）问

题。