2026年强化学习DQN算法优化练习题及答案.pdfVIP

2026年强化学习DQN算法优化练习题及答案

一、单项选择题（每题只有一个正确答案）

1.DQN算法相比传统Q-Learning，核心改进的关键机制是？

A.贪心策略

B.经验回放

C.策略梯度

D.动态规划

2.在DQN中，目标网络（TargetNetwork）的主要作用是？

A.加速参数更新

B.稳定目标Q值估计

C.扩大探索空间

D.减少状态维度

3.PrioritizedExperienceReplay（PER）优化经验回放的核心策略

是？

A.按经验的发生时间顺序采样

B.按经验的TD误差绝对值加权采样

C.仅保留奖励为正的经验

D.只存储连续动作序列

4.DoubleDQN算法解决DQN过估计问题的方法是？

A.同时训练两个相同的Q网络

B.用两个目标网络分别选动作和评价值

C.降低目标网络的学习率

D.引入折扣因子修正

5.Rainbow算法是DQN的综合优化变体，它整合了以下哪种技术？

A.DuelingDQN+PER+DoubleDQN

B.PolicyGradi