2026年强化学习工程师考试题库（附答案和详细解析）（0503）.docxVIP

2026年强化学习工程师考试题库（附答案和详细解析）（0503）

强化学习工程师认证考试试卷

考试说明：本试卷共100分，考试时间120分钟。答题需严谨专业，标注题号清晰作答。

一、单项选择题（共10题，每题1分，共10分）

TD(λ)算法中，λ=1时等价于以下哪种方法？

A.动态规划法

B.蒙特卡洛法

C.时序差分法（TD(0)）

D.Q-learning

答案：B

解析：λ=1时，TD(λ)考虑从当前状态到终止状态的所有奖励，与蒙特卡洛法的完全轨迹采样一致。A依赖完整环境模型；C仅考虑单步更新；D是无模型算法。

马尔可夫决策过程（MDP）的核心特性是：

A.状态转移具有记忆性

B