登陆题目详情
填空题 马尔可夫决策过程(MDP)由状态集合 S、动作集合 A、状态转移概率 P、奖励函数 R 和____γ组成
学科：默认课程
时间：2025-12-05 02:06:47
相关题目
相关作业
题目1单选题
强化学习中,智能体与环境交互时,环境根据智能体采取的动作返回( )A. 新状态和奖励B. 仅新状态C. 仅奖励D. 随机信息
题目2单选题
Q - learning 算法属于( )A. 基于策略的强化学习算法B. 基于价值的强化学习算法C. 无模型的强化学习算法D. 模型基的强化学习算法
题目3单选题
以下用于解决强化学习中探索与利用平衡问题的方法是( )A. 经验回放B. 目标网络C. ε - greedy 策略D. 策略梯度
题目4单选题
深度 Q 网络(DQN)中,引入经验回放机制的主要目的是( )A. 减少计算量B. 提高样本利用率,打破样本间的相关性C. 加速模型收敛D. 降低模型复杂度
题目5单选题
在强化学习中,折扣因子 γ(0 ≤ γ ≤ 1)的作用是( )A. 调整学习率B. 控制探索与利用的平衡C. 衡量未来奖励的重要程度D. 决定策略更新的频率
题目6填空题
马尔可夫决策过程(MDP)由状态集合 S、动作集合 A、状态转移概率 P、奖励函数 R 和____γ组成题目7判断题
强化学习中,智能体不需要知道环境的具体模型也能学习到最优策略A. 正确B. 错误
题目8判断题
策略梯度算法只能应用于离散动作空间的强化学习问题A. 正确B. 错误
题目9判断题
在强化学习中,奖励函数的设计对学习效果影响不大A. 正确B. 错误
题目10判断题
深度强化学习结合了深度学习强大的特征提取能力和强化学习的决策能力A. 正确B. 错误
下载 题海APP
拍照搜题更快捷
- 海量题库
- 无搜索限制
- 快捷拍照搜题
