2026年强化学习工程师考试题库（附答案和详细解析）（0304）.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）的核心性质是？

A.状态转移依赖历史所有状态

B.奖励函数与动作无关

C.状态转移仅依赖当前状态

D.折扣因子必须为0.9

答案：C

解析：MDP的定义要求状态满足马尔可夫性质，即未来状态转移仅由当前状态决定，与历史无关（A错误）。奖励函数通常与状态-动作对相关（B错误）。折扣因子是超参数，取值不固定（D错误）。

贝尔曼方程的本质是？

A.状态价值函数的递推关系式

B.动作价值函数的最小二乘优化

C.策略梯度的计算式

D.环境模型的显式表示

答案：A

解析：贝尔曼方程描述了价值函数的递归结构，将当前状态的价值与后续状态的价值关联（A正确）。最小二乘优化是TD学习的优化方式（B错误），策略梯度是优化策略的方法（C错误），环境模型是转移概率P的表示（D错误）。

策略梯度方法的核心特点是？

A.直接优化值函数

B.适用于离散动作空间

C.直接优化策略参数

D.依赖精确的环境模型

答案：C

解析：策略梯度方法通过梯度上升直接优化策略参数θ（C正确）。优化值函数是基于值方法的特点（A错误），策略梯度更适合连续动作空间（B错误），无模型方法不依赖环境模型（D错误）。

Q-learning算法属于？

A.on-policy算法

B.off-policy算法

C.基于模型