题海让大学四年没有难题
白天模式登陆

题目详情

单选题 一个MDP问题中有A,B,C这三个状态,智能体可以执行的动作是向右(),转移模型如下.我们据此完成无限次迭代的Q-learning.若衰减因子为1,学习率为1,则( )

A. -1

B. -2

C.

[共享课]人工智能课程封面

学科：[共享课]人工智能

时间：2024-11-25 00:15:23

相关题目

题目1
判断题
深度优先搜索的空间复杂度更小,而广度优先算法的时间复杂度更小,而且更健壮.( )
A. 对B. 错
题目2
多选题
若一搜索树的树高有限且所有单步损耗均非负,则为每条边增加一正损耗c>0,以下树搜索算法中( )所得搜索路径保持不变
A. BFSB. DFSC. UCSD. 无
题目3
单选题
使用<img src="https://tihai-oss-cloud.itihey.com/img/29311cf92ac2797226068a7e6ae0bde8.png">-贪心Q-learning算法得到的最优策略是( )
A. <img src="https://tihai-oss-cloud.itihey.com/img/97b167f3818a90dea33605a6ed34d7a7.png">B. <img src="https://tihai-oss-cloud.itihey.com/img/cedeec654add2b9a6a5a787694ce6f00.png">C. <img src="https://tihai-oss-cloud.itihey.com/img/b6e7c89a3f5b337c14d00444d8e0b40d.png">
题目4
单选题
理性的倾向选择不满足的条件是( )
A. 存在着传递性,对于智能体如果A&gt;B, B&gt;C,则A&gt;CB. 存在有序性,若A&gt;B, B&gt;A,则A~BC. 行为的效用值不一定是最大化的D. 存在一个实值函数U,使得<img src="https://tihai-oss-cloud.itihey.com/img/e3883e6d09bc4f75777862ec536d84d5.png"> <img src="https://tihai-oss-cloud.itihey.com/img/79bee72768ba32b40111de4601c48f69.png">
题目5
单选题
一个MDP问题中有A,B,C这三个状态,智能体可以执行的动作是向右(<img src="https://tihai-oss-cloud.itihey.com/img/314a42688fdce41a09ed9f49b8584a7e.png">),转移模型如下.我们据此完成无限次迭代的Q-learning.若衰减因子为1,学习率为1,则<img src="https://tihai-oss-cloud.itihey.com/img/1689b9d180a8ea9f0638df278b32f729.png">( )<img src="https://tihai-oss-cloud.itihey.com/img/03a647b1f55e3d7f0768ba11068dbf8f.png">
A. -1B. -2C. <img src="https://tihai-oss-cloud.itihey.com/img/0667569d70d702a708ffd70eafae0159.png">
题目6
多选题
在有模型的强化学习中,属于动态规划求解的是( )
A. 值迭代方法B. 状态迭代方法C. 策略迭代方法D. 回报迭代方法
题目7
判断题
似然权重、马尔可夫蒙特卡洛方法这样的随机近似技术,可以对网络的真实后验概率进行合理估计,并能够比精确算法处理规模大得多的网络.( )
A. 对B. 错
题目8
单选题
在强化学习值函数近似中,时序差分方法对参数的更新公式是( )
A. <img src="https://tihai-oss-cloud.itihey.com/img/ef44ff31cc6dc1652dfe3220bd87286d.jpg">B. <img src="https://tihai-oss-cloud.itihey.com/img/11859f378500544dcb5038a169f9e605.jpg">C. <img src="https://tihai-oss-cloud.itihey.com/img/22bbccb46dfdcb434edd5e654fb95087.jpg">D. <img src="https://tihai-oss-cloud.itihey.com/img/203751151e20e8c52e9b45acfdb1ea2f.jpg">
题目9
多选题
下列关于图搜索策略说法正确的是( )
A. 搜索过程中必须记住从目标返回的路径B. 是一种在图中寻找路径的方法C. 图的每个节点对应一个状态,每条连线对应一个操作符D. 搜索过程中必须记住哪些点走过了
题目10
多选题
强化学习中,泛化表示的特点有( )
A. 降低内存消耗B. 计算更加复杂C. 减少对经验的需求D. 增加对采样的需求
Copyright © 2022 津ICP备2021001502号