2026年强化学习工程师考试题库（附答案和详细解析）（0428）.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，状态转移概率的核心假设是什么？

A.状态转移依赖于整个历史状态序列

B.未来状态只依赖于当前状态和当前动作

C.奖励函数是确定性的且不随时间变化

D.动作选择必须基于随机策略

答案：B

解析：马尔可夫决策过程的核心假设是马尔可夫性，即未来状态只依赖于当前状态和当前动作，而与过去状态无关。这简化了模型的求解。错误选项A：违背了马尔可夫性；C：奖励函数可以是随机的或动态的，并非核心假设；D：策略可以是确定性的（如贪婪策略）或随机性的。

Q-learning算法属于哪种学习范型？

A.基