2026年强化学习工程师考试题库（附答案和详细解析）（0806）.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.马尔可夫决策过程（MDP）中，状态转移概率满足的核心性质是A.下一个状态的分布仅由当前状态决定，与历史所有状态动作无关B.下一个状态的分布由所有历史状态共同决定C.下一个状态的分布仅由智能体当前执行的动作决定D.下一个状态的分布与当前状态完全无关答案：A解析：马尔可夫性质的核心定义是未来状态仅由当前状态决定，和历史序列无关，因此A为正确选项；B违背了马尔可夫性质的简化约定，错误；C忽略了当前状态的影响，状态转移是当前状态和动作共同作用的结果，错误；D完全违背MDP的基本设定，错误。2.ε-贪心策略中，ε参数的核心作用是A.保证智能体始终选择当前已知最优动作B.平衡探索未知动作和利用已有经验的比例C.直接更新状态价值函数的迭代步长D.控制累计奖励的折扣程度答案：B解析：ε-贪心策略以ε概率随机选择动作探索环境，以1-ε概率选择当前最优动作利用已有经验，核心作用是平衡探索与利用，B正确；A是贪心策略的特性，不符合ε-贪心的设定，错误；C是学习率参数的作用，错误；D是折扣因子γ的作用，错误。3.以下属于离线策略（Off-Policy）经典算法的是A.SARSAB.策略梯度REINFORCEC.Q-LearningD.行动者-评论家算法AC答案：C解析：