2026年强化学习工程师考试题库（附答案和详细解析）（0215）.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.状态转移依赖历史所有状态

B.状态转移仅依赖当前状态

C.奖励函数与动作无关

D.策略必须是确定性的

答案：B

解析：MDP的核心是无后效性（马尔可夫性质），即状态转移概率仅依赖当前状态，与历史状态无关（排除A）。奖励函数通常与状态和动作相关（排除C）。策略可以是随机或确定性的（排除D）。

以下哪项是值函数（ValueFunction）的定义？

A.给定策略下，从某状态出发的期望累计奖励

B.给定状态下，选择某动作的概率

C.策略优化的梯度方向

D.环境状态的转移概率矩阵

答案：A

解析：值函数vπ(s)定义为在策略π下，从状态s出发的期望累计折扣奖励（A正确）。策略π(a|s)是动作概率（B错误）。策略梯度是优化目标的梯度（C错误）。转移概率是环境属性（D错误）。

策略梯度（PolicyGradient）算法直接优化的目标是？

A.值函数的准确性

B.策略的期望累计奖励

C.动作价值函数的近似

D.经验回放的效率

答案：B

解析：策略梯度通过梯度上升直接优化策略的期望回报J(θ)=E[Σγ^tr_t]（B正确）。值函数优化是Q-learning的目标（A错误）。动作价值函数近似属于值函数方法（C错误）。经验回放是DQN的技术（D错误）