2026年人工智能工程师《强化学习》真题.docVIP

2026年人工智能工程师《强化学习》真题

姓名：_____?准考证号：_____?得分：______

一、单选题（总共10题，每题2分）

1.强化学习中的值函数V(s)表示的是在状态s下，按照策略π所能获得的期望累积奖励，以下哪种说法是正确的？

A.V(s)是针对任意策略π的

B.V(s)只针对最优策略π

C.V(s)是状态s的固有属性，与策略无关

D.V(s)只考虑单步奖励，不考虑未来奖励

2.在Q-learning算法中，更新规则Q(s,a)←Q(s,a)+α[r+γmax_aQ(s,a)-Q(s,a)]，其中α是学习率，γ是折扣因子，以下哪种情况会导致学习率α的选择变得困难？

A.状态空间较小且动作空间有限

B.状态空间和动作空间都很大

C.环境变化缓慢且奖励信号明确

D.环境变化快速且奖励信号模糊

3.蒙特卡洛方法在强化学习中主要用于估计策略的期望回报，以下哪种说法是正确的？

A.蒙特卡洛方法需要知道环境的动态方程

B.蒙特卡洛方法只能用于离散状态空间

C.蒙特卡洛方法通过多次模拟来估计期望回报

D.蒙特卡洛方法不需要记忆历史状态

4.在深度Q网络（DQN）中，使用经验回放机制的主要目的是什么？

A.提高学习效率

B.减少过拟