原创力文档PAGE/NUMPAGES
2026年马尔可夫决策过程算法测试卷
考试时间：______分钟总分：______分姓名：______
一、选择题（每题3分，共30分）
1.在马尔可夫决策过程中，贝尔曼方程V(s)=Σ_aΣ_s[P(s|s,a)*(R(s,a,s)+γV(s))]表示的是：
a)策略迭代中策略改进的步骤
b)值迭代中价值函数的更新方式
c)策略评估中贝尔曼期望方程
d)MDP定义中的状态转移规则
2.下列哪个特性不是马尔可夫决策过程（MDP）的基本要求？
a)马尔可夫属性
PAGE/NUMPAGES
2026年马尔可夫决策过程算法测试卷
考试时间：______分钟总分：______分姓名：______
一、选择题（每题3分，共30分）
1.在马尔可夫决策过程中，贝尔曼方程V(s)=Σ_aΣ_s[P(s|s,a)*(R(s,a,s)+γV(s))]表示的是：
a)策略迭代中策略改进的步骤
b)值迭代中价值函数的更新方式
c)策略评估中贝尔曼期望方程
d)MDP定义中的状态转移规则
2.下列哪个特性不是马尔可夫决策过程（MDP）的基本要求？
a)马尔可夫属性
文档评论（0）