2026年强化学习工程师考试题库（附答案和详细解析）（0401）.docxVIP

2026年强化学习工程师考试题库（附答案和详细解析）（0401）

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，状态转移必须满足什么性质？

A.状态转移只取决于当前状态

B.状态转移与历史状态无关

C.状态转移是确定性的

D.状态转移仅与动作无关

答案：B

解析：MDP的核心性质是马尔可夫性，即下一状态仅取决于当前状态和动作，与历史状态无关（选项B）。选项A错误（需考虑动作）；C错误（可为随机）；D错误（需考虑动作）。

贝尔曼方程主要用于解决强化学习中的什么问题？

A.策略评估

B.环境建模

C.动作选择

D.奖励函数设计

答案：A

解析：贝尔曼方程通过递归关系计算状态价值函数（V）或动作价值函数（Q），是策略评估（选项A）的核心工具。B/C/D虽相关，但非其直接用途。

二、多项选择题（共10题，每题2分，共20分）

关于ε-greedy策略，以下描述正确的有？

A.ε控制探索概率

B.在探索时随机选择动作

C.总是选择当前Q值最高的动作

D.ε=0时等同于贪心策略

答案：ABD

解析：ε-greedy策略以概率ε进行随机探索（A、B正确），否则选择Q值最高动作（C错误”总是”）；ε=0时完全贪心（D正确）。

下列哪些算法属于无模型（Model-Free）强化学习？

A.Q-Learning