2026年强化学习工程师考试题库（附答案和详细解析）（0117）.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）的核心要素不包括以下哪项？

A.状态空间S

B.动作空间A

C.策略π

D.折扣因子γ

答案：C

解析：MDP的标准定义包含状态空间S、动作空间A、转移概率P(s’|s,a)、奖励函数R(s,a,s’)和折扣因子γ。策略π是智能体在MDP中的决策规则，属于智能体的组成部分，而非MDP本身的核心要素。

Q-learning算法属于以下哪种学习类型？

A.在线策略（on-policy）

B.离策略（off-policy）

C.模型无关（model-free）

D.模型相关（model-