广州华商学院《深度学习应用开发》2023-2024学年第二学期期末试卷.docVIP

学校________________班级____________姓名____________考场____________准考证号

学校________________班级____________姓名____________考场____________准考证号

…………密…………封…………线…………内…………不…………要…………答…………题…………

第PAGE1页，共NUMPAGES3页

广州华商学院《深度学习应用开发》

2023-2024学年第二学期期末试卷

题号

一

二

三

四

总分

得分

批阅人

一、单选题（本大题共20个小题，每小题2分，共40分．在每小题给出的四个选项中，只有一项是符合题目要求的．）

1、在进行强化学习中的策略优化时，以下关于策略优化方法的描述，哪一项是不正确的？（）

A.策略梯度方法通过直接计算策略的梯度来更新策略参数

B.信赖域策略优化（TrustRegionPolicyOptimization，TRPO）通过限制策略更新的幅度来保证策略的改进

C.近端策略优化（ProximalPolicyOptimization，PPO）是一种基于策略梯度的改进算法，具有更好的稳定性和收敛性

D.所有的策略优化方法在任何强化学习任务中都能取得相同的效果，不需要根据任务特点进行