- 1
- 0
- 约1.05万字
- 约 14页
- 2026-11-16 发布于上海
- 举报
强化学习工程师
一、单项选择题(共10题,每题1分,共10分)
1.在强化学习建模中,关于马尔可夫性质(Markovproperty)的表述,正确的是:
A.环境的下一状态仅依赖于当前状态和当前动作,而与更早的历史无关。
B.环境的下一状态依赖于全部历史信息,以保证价值函数准确。
C.环境的下一状态只取决于当前动作,与当前状态无关。
D.环境的下一状态只取决于当前奖励,与状态和动作无关。
答案:A
解析:马尔可夫性质要求在给定当前状态和当前动作的条件下,未来与历史条件独立。B项违背马尔可夫性质;C项忽略了状态;D项将状态转移错误地归因于奖励。
2.在折扣累积回报(G_t={k=0}{}kR{t+k+1})中,折扣因子()的作用是:
A.()越接近0,智能体越重视长期回报。
B.()越接近1,智能体越重视长期回报。
C.()的大小不影响智能体对长期回报的偏好。
D.()必须等于0才能使回报收敛。
答案:B
解析:(),越接近1则未来奖励对当前回报的贡献越大;越接近0则智能体越偏向即时奖励。A、C、D均不正确。
3.关于最优状态价值函数的贝尔曼最优方程,下列说法正确的是:
A.最优状态价值函数满足(V^(s)=a{s’,r}p(s’,r|s,a)[r+V^*(s’)])。
B.最优状态价值函数满足(V^(s)=_a(a|s)[r
您可能关注的文档
最近下载
- 《让人无法说NO的攻心说话术》-张海翔演讲口才 VIP
- 北京科技大学2010A.pdf VIP
- 北京科技大学2009A.pdf VIP
- 基因编辑技术的概念和原理.ppt VIP
- 〖地理〗海陆的变迁 课件-2025-2026学年七年级地理上册(人教版2024).pptx VIP
- 《CJT66-1999-城市污水铜的测定二乙基二硫代氨基甲酸钠分光光度法》.pdf VIP
- 2026年新科普版地理七年级上册《第三单元海陆分布蕴变迁》大单元整体教学设计(2022课标).docx VIP
- 电子产品项目管理手册 (一).pdf VIP
- NDS3511B应急广播适配器 说明书.pdf VIP
- 全国优质公开课一等奖初中七年级地理《海陆变迁》赛课课件.pptx VIP
原创力文档

文档评论(0)