2026年人工智能算法基础测试卷强化学习策略.docxVIP

PAGE/NUMPAGES

2026年人工智能算法基础测试卷强化学习策略

考试时间：______分钟总分：______分姓名：______

一、选择题（每题2分，共20分）

1.在马尔可夫决策过程中，假设当前状态为S，采取动作A转移到状态S，获得奖励R(S,A,S)。若折扣因子γ∈[0,1]，则基于单步回报的期望累积奖励（即Q值的更新目标）可以表示为：

A.R(S,A,S)+γ*Q(S,A)

B.R(S,A,S)+γ*V(S)

C.R(S,A,S)+γ*Q(S,A)

D.R(S,A,S)*γ*Q(S,A)

2.下列哪种强化学习算法属于无模型（Model-free）方法？

A.贝尔曼最优方程

B.策略迭代

C.Q-Learning

D.值迭代

3.在ε-greedy探索策略中，参数ε的主要作用是：

A.控制价值函数的更新步长

B.定义状态转移概率

C.在每一步决策中，以ε的概率选择随机动作，以(1-ε)的概率选择当前认为最优的动作

D.设置奖励函数的折扣因子

4.蒙特卡洛方法（MC）与时序差分方法（TD）相比，其主要区别在于：