原创力文档- 1
- 0
- 约2.16千字
- 约 4页
- 2026-05-19 发布于江苏
- 举报
2026年强化学习工程师考试题库（附答案和详细解析）（0508）
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）
时序差分（TD）学习方法的核心优势在于：
A.无需环境模型即可学习
B.比蒙特卡洛方法方差更低
C.能直接求解最优策略
D.适用于离散状态空间
答案：A
解析：时序差分学习结合了蒙特卡洛方法和动态规划思想，关键优势在于无需环境动力学模型（如状态转移概率），通过自举（bootstrap）更新值函数。选项B错误（TD方差通常高于蒙特卡洛）；选项C片面（需配合策略迭代）；选项D非其独有优势。
在Q-Learning算法中，更新公式Q(s,a)←Q(s,
文档评论（0）