2026年强化学习工程师考试题库（附答案和详细解析）（0415）.docxVIP

2026年强化学习工程师考试题库（附答案和详细解析）（0415）

强化学习工程师专业能力测试卷

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）的核心特性是？

A.状态转移只取决于当前状态与动作

B.回报函数与历史状态相关

C.策略空间是连续分布

D.必须包含终止状态

答案：A

解析：MDP的核心假设是”马尔可夫性”，即下一状态和奖励仅取决于当前状态和动作（P(s’|s,a)），与历史状态无关。B违反马尔可夫性，C错在策略空间可离散，D非必要条件。

贝尔曼方程的核心作用是？

A.计算环境的状态转移概率

B.建立当前价值与未来价值的递归关系

C.优化神经网