2026年强化学习工程师考试题库（附答案和详细解析）（0131）.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）的核心假设是？

A.未来状态仅依赖当前状态

B.奖励函数必须是确定性的

C.状态空间必须是有限的

D.策略必须是随机的

答案：A

解析：马尔可夫性质的核心是“当前状态包含所有与未来相关的历史信息”，即未来状态仅依赖当前状态（A正确）。奖励函数可以是随机的（B错误），状态空间可以是无限的（如连续空间）（C错误），策略可以是确定性或随机的（D错误）。

贝尔曼方程描述的是？

A.状态值函数与后续状态值函数的递推关系

B.动作值函数与策略的直接优化关系

C.环境模型与奖励函数的映射关系

D.探索与利用的权衡关系

答案：A

解析：贝尔曼方程通过分解当前状态的值函数为即时奖励与后续状态值函数的期望，建立递推关系（A正确）。动作值函数的递推属于贝尔曼方程的扩展形式（B错误），环境模型是转移概率的一部分（C错误），探索与利用是策略设计问题（D错误）。

策略梯度方法的优化目标是？

A.最大化单个轨迹的奖励

B.最大化期望累积奖励

C.最小化Q值估计误差

D.最小化状态值函数方差

答案：B

解析：策略梯度直接优化策略的期望累积奖励（B正确）。单个轨迹奖励是随机的（A错误），Q值误差是值函数方法的目标（C错误），方差最小化不是核心目标（D错误）。

Q-learning算法属于？

A.