2026年秋江苏开放大学强化学习060733综合大作业答案.doc

2026年秋江苏开放大学强化学习060733综合大作业答案

单选题

题型：单选题客观题分值5分难度：简单得分：5

1、马尔可夫决策过程是指（）。

A、针对随机过程序贯的做出决策。

B、针对具有马尔可夫性的随机过程序贯的做出决策。

C、针对一般过程序贯的做出决策。

D、具有马尔可夫性的过程。

学生答案：B

题型：单选题客观题分值5分难度：简单得分：5

2、在强化学习的过程中，(）能够在稍微偏离目前最好策略的基础上，尝试更多策略，(）能够运用目前最好的策略，获取更高的奖励。

A、利用，探索

B、探索，利用

C、利用，输出

D、探索，输出

学生答案：B

题型：单选题客观题分值5分难度：简单得分：5