2026年强化学习工程师考试题库（附答案和详细解析）（0804）.docxVIP

强化学习工程师

一、单项选择题（共10题，每题1分，共10分）

以下不属于马尔可夫决策过程（MDP）核心组成要素的是A.状态空间SB.动作空间AC.损失函数LD.状态转移概率P答案：C解析：马尔可夫决策过程的标准五要素为状态空间S、动作空间A、奖励函数R、状态转移概率P、折扣因子γ，损失函数L是监督学习的常见要素，不属于MDP的核心组成，其余三个选项均为MDP的标准核心要素。

ε-贪心策略的核心作用是解决强化学习中的哪类经典问题A.探索与利用的权衡B.梯度消失问题C.过拟合问题D.非平稳分布问题答案：A解析：ε-贪心以ε的概率随机探索动作、以1-ε的概率