2026年秋江苏开放大学强化学习060733形考作业2答案.doc

2026年秋江苏开放大学强化学习060733形考作业2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、Bellman方程在计算Q(s,a)时，折扣因子γ的作用是什么？

A它决定了未来奖励的重要性

B它用来衡量当前奖励的重要性

C它是奖励的直接来源

D它只影响状态的转换

学生答案：A

题型：单选题客观题分值5分难度：一般得分：5

2下列关于状态价值V(s)的表达式正确的是（）

注：下列选项中表示策略，?表示折扣因?，?表示t时刻奖励，表示t时刻状态，?表示t时刻动作。

A

B

C

D

学生答案：D

题型：单选题客观题分值5分难度：简单得分：5

3在三连棋游戏中，如果玩家的第?