2026年强化学习工程师考试题库（附答案和详细解析）（0419）.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）

在马尔可夫决策过程（MDP）中，状态转移概率P(s’|s,a)的含义是什么？

A.从状态s采取动作a后转移到状态s’的概率。

B.状态s的价值评估指标。

C.动作a在当前状态的奖励期望值。

D.策略优化的折扣因子参数。

答案:A

解析:正确选项是A，因为MDP的核心元素包括状态转移概率，定义为从当前状态s执行动作a后转移到新状态s’的条件概率。错误选项B混淆了状态价值函数V(s)的概念，C误将奖励函数R(s,a)作为转移概率，D是折扣因子γ的用法，与状态转移无关。

Q-learning算法被归类为哪种类别？