2026大学大一（人工智能技术）强化学习进阶应用资格考试试题及答案.docxVIP

2026大学大一（人工智能技术）强化学习进阶应用资格考试试题及答案

一、选择题（10题，每题3分，共30分）

1.在强化学习中，以下哪种方法不属于基于价值函数的方法？

A.Q-learning

B.SARSA

C.PolicyGradients

D.DeepQ-Network

2.强化学习中，折扣因子γ的作用是？

A.增加探索的随机性

B.缩短训练时间

C.平衡即时奖励和长期奖励

D.减少环境状态的数量

3.在马尔可夫决策过程中，以下哪个不是其基本要素？

A.状态空间

B.动作空间

C.奖励函数

D.时间序列模型

4.在策略梯度方法中，REINFORCE算法的核心思想是？

A.通过梯度上升来优化策略

B.通过梯度下降来优化策略

C.通过蒙特卡洛模拟来估计策略

D.通过动态规划来优化策略

5.在深度强化学习中，以下哪种网络结构常用于处理高维输入？

A.RNN

B.LSTM

C.CNN

D.GRU

6.在强化学习中，以下哪种方法属于离线强化学习？

A.Q-learning

B.SARSA

C.Model-basedRL

D.PolicyGradients

7.在多智能体强化学习中，以下哪种方法常用于解决非平稳性问题？

A.IndependentQ-Learning

B.CentralizedTraining