2026年强化学习工程师考试题库（附答案和详细解析）（0204）.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.环境状态具有部分可观测性

B.未来状态仅依赖当前状态，与历史无关

C.奖励函数是静态的且与动作无关

D.策略必须是确定性的

答案：B

解析：MDP的核心是马尔可夫性质，即未来状态的概率分布仅依赖于当前状态，与历史状态无关（B正确）。A是部分可观测马尔可夫决策过程（POMDP）的特征；奖励函数通常与状态-动作对相关（C错误）；策略可以是随机或确定性的（D错误）。

以下哪种算法属于基于值函数的强化学习？

A.策略梯度（PolicyGradient）

B.DQN（深度Q