2026年强化学习工程师考试题库（附答案和详细解析）（0226）.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.状态转移仅依赖当前状态和动作

B.奖励函数与历史状态相关

C.策略必须是确定性的

D.折扣因子必须为0

答案：A

解析：MDP的核心是马尔可夫性质，即状态转移概率仅依赖当前状态和动作，与历史无关（A正确）。奖励函数通常定义为当前状态-动作对的函数（B错误）。策略可以是随机或确定性的（C错误）。折扣因子γ∈[0,1)，不为0（D错误）。

以下哪项属于值函数的定义？

A.策略π下从状态s出发的期望累计奖励

B.策略π下从状态s执行动作a后的期望累计奖励

C.动作a在状