2026年春江苏开放大学强化学习形考作业3答案

注意：因为学习平台题目是随机，选择题选项也是随机，一定注意答案对应的选项，同学们在本页按“Ctrl+F”快捷搜索题目中“关键字”就可以快速定位题目，还是不懂的话可以看这个：快速答题技巧

一、2026年春江苏开放大学强化学习形考作业3单选题答案

1、DQN中用到的技巧有（）。

A、目标网络、利用 、经验回放

B、目标网络、探索、经验回放

C、Q网络、利用 、经验回放

D、V网络、探索 、经验回放

正确答案：B

2、基于策略的方法（Policy-based Methods）与值函数方法（Value-based Methods）最主要的区别是：

A、基于策略的方法直接优化策略，而值函数方法通过估计状态或状态-动作值来间接优化策略

B、基于策略的方法依赖于奖励函数，而值函数方法不依赖于奖励函数

C、基于策略的方法只在离散空间中有效，而值函数方法在连续空间中有效

D、基于策略的方法只能应用于强化学习中，而值函数方法可以应用于监督学习

正确答案：A

3、REINFORCE算法的主要缺点是：

A、它依赖于即时奖励来更新策略

B、它是基于值的方法，而不是基于策略的方法

C、它具有高方差，训练过程中可能不稳定

D、它不能处理连续的动作空间

正确答案：C

4、Actor-Critic算法中的”Actor”和”Critic”各自的作用是什么？

A、Actor负责选择动作，Critic负责计算价值函数并评估Actor的策略

B、Actor负责计算奖励，Critic负责选择最佳动作

C、Actor负责计算值函数，Critic负责选择动作

D、Actor和Critic共同负责选择最优奖励

正确答案：A

5、DDPG算法是（）算法和（）算法的结合。

A、DPG AC

B、DP AC

C、Sarsa Q-learning

D、AC Q-learning

正确答案：A

6、以下说法是否正确：为了保证强化学习的训练效果，需要打破训练样本数据之间的相关性。

A、正确

B、错误

正确答案：A

7、以下说法是否正确：强化学习的数据存在马尔可夫性，满足训练神经网络需样本独立同分布的假设前提。

A、正确

B、错误

正确答案：B

8、DDPG算法一共有（）个神经网络。

A、1

B、2

C、3

D、4

正确答案：D

9、确定性策略梯度算法（DPG）的核心思想是什么？

A、通过最大化当前状态的Q值来选择最优动作

B、通过最小化策略的损失函数来更新策略

C、直接通过策略梯度优化确定性策略的参数

D、通过生成随机动作来更新策略

正确答案：C

10、在REINFORCE算法中，策略更新是如何进行的？

A、通过贪心选择来更新策略

B、通过最大化当前状态的价值函数来更新策略

C、使用策略的梯度与回报的乘积来更新策略

D、使用Q值来直接更新策略参数

正确答案：C

二、2026年春江苏开放大学强化学习形考作业3多选题答案

1、DQN的经验回放会构建一个回放缓冲区，每个经验的形式包括以下内容：（）。

A、某个状态st

B、在st采取的动作at

C、得到的奖励rt

D、下一步采取的动作at+1

E、进入的下一状态st+1

正确答案：A；B；C；E

2、DQN算法是基于（）算法，结合了价值函数近似与神经网络技术，并采用目标网络和（）等方法进行网络训练。

A、深度学习的SarsA、B、当前网络

C、深度学习的Q-learning  

D、经验回放

您需要付费解锁才能查看当前内容

付费解锁 ¥10.00

开通会员

黄金VIP免费

已付费？登录 或 刷新