2026年强化学习工程师考试题库（附答案和详细解析）（0721）.docxVIP

强化学习工程师

一、单项选择题（共10题，每题1分，共10分）1.以下选项中，不属于马尔可夫决策过程核心五要素的是A.状态集合SB.动作集合AC.梯度下降算子GD.奖励函数R答案：C解析：马尔可夫决策过程核心要素为状态集合、动作集合、状态转移概率矩阵、奖励函数、折扣因子，梯度下降算子属于深度学习优化工具，不属于MDP的定义要素。A、B、D都是MDP的标准组成部分，C为错误干扰项。2.ε-greedy策略中，当ε取值为1时，智能体的行为表现是A.100%选择当前估值最高的动作B.100%随机选择任意动作C.以ε概率随机探索，其余时间选择最优动作D.完全