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2单选题答案
1、Q表格的概念中，（）
A、表格中每一个坐标点对应某时刻智能体的状态
B、以每执行若干步，就对Q表格进行更新
C、与时间差分法毫无关系
D、其表示形式是表格，其中表格的横轴为动作（智能体的动作），纵轴为环境的状态。
正确答案：D
2、Q表格中Q函数的意义是（）
A、在强化学习里面，我们可以每走一步更新一次Q表格，用下一个状态的Q值来更新当前状态的Q值。
B、Q表格，一般它的行数是所有动作的数量。
C、最开始的时候，Q表格会全部初始化任意值。
正确答案：A
题型：单选题客观题分值5分难度：简单得分：0
3、下列关于策略下状态价值vπs的表达式正确的是（）
注：下列选项中π表示策略，v表示折扣因⼦，Rt表示t时刻奖励，St表示t时刻状态，At表示t时刻动作。
学生答案：C（错的）
4、在蒙特卡洛方法中，估计一个问题的期望值通常依赖于：
A、通过穷举所有可能的情况来计算期望
B、随机生成多个样本，并计算它们的平均值
C、通过公式直接计算期望
D、使用动态规划来避免重复计算
正确答案：B
5、Bellman方程在计算Q(s,a)时，折扣因子γ的作用是什么？
A、它决定了未来奖励的重要性
B、它用来衡量当前奖励的重要性
C、它是奖励的直接来源
D、它只影响状态的转换
正确答案：A
6、下列哪个是Q-learning算法的特点？
A、需要知道环境的转移概率和奖励函数
B、依赖于策略的梯度方法
C、是一种无模型的强化学习方法
D、只能处理离散动作空间
正确答案：C
7、Sarsa和Q-learning的主要区别是：
A、Sarsa是基于策略的，而Q-learning是基于值的
B、Q-learning是基于策略的，而Sarsa是基于值的
C、Sarsa更新时采用当前策略的动作，而Q-learning采用最优动作
D、Sarsa通过回放来更新Q值，而Q-learning不使用回放
正确答案：C
8、蒙特卡洛方法（）
A、蒙特卡洛方法需要马尔可夫决策过程的状态转移函数和奖励函数。
B、蒙特卡洛方法需要更新多条轨迹的状态。
C、适用于环境未知的情况。
D、蒙特卡洛方法与动态规划是一个概念。
正确答案：C
9、Q-learning算法中，Q函数是
A、状态-动作值函数
B、状态函数
C、估值函数
D、奖励函数
正确答案：A
10、在三连棋游戏中，如果玩家的第⼀步棋选择⾛中间，那么下列分析错误的是（）
A、电脑下⼀步选择⻆或边的概率各为1/2。
B、若电脑选择边，则⼈类玩家有必胜策略。
C、若电脑选择⻆，则⼈类玩家的最佳动作是选择边，有的概率可以获胜。
D、可以获得的期望奖励为1*1/2+1*(1/2)*(2/3)=5/6。
正确答案：C
题型：单选题客观题分值5分难度：一般得分：0
11、下列关于状态价值V(s)的表达式正确的是（）
注：下列选项中π表示策略，v表示折扣因⼦，rt表示t时刻奖励，s表示t时刻状态，a表示t时刻动作。
学生答案：A（错的）
12、动态规划的核心思想是什么？
A、通过分治将问题拆分为更小的子问题
B、通过试探和回溯来探索所有可能的解决方案
C、将问题拆解为子问题并通过存储子问题的解来避免重复计算
D、通过贪心选择每次局部最优解来得到全局最优解
正确答案：C
二、2026年春江苏开放大学强化学习形考作业2多选题答案
1、策略迭代法的核⼼步骤包括哪两个部分（）
A、策略评估
B、状态价值计算
C、策略提升
D、使⽤贪心策略
正确答案：A；C
题型：多选题客观题分值5分难度：简单得分：0
2、下列哪些是常见的用于强化学习实验的环境和框架？
A、OpenAI Gym
B、TensorFlow
C、PyTorch
D、Scikit-learn
E、Unity ML-Agents
F、Pandas
G、Keras
学生答案：A；B；E（错的）
3、在强化学习中，以下哪些因素会影响状态-动作价值函数Q(s,a)的计算？
A、当前状态s和动作a
B、状态转移概率
C、即时奖励R(s,a)
D、折扣因子γ
E、未来状态s’及其对应的动作a’的价值
未经授权，禁止转载，发布者：形考达人
，出处：https://www.xingkaowang.com/32966.html
免责声明：本站不对内容的完整性、权威性及其观点立场正确性做任何保证或承诺！付费为资源整合费用，前请自行鉴别。
免费答案：形考作业所有题目均出自课程讲义中，可自行学习寻找题目答案，本站内容可作为临时参考工具，但不应完全依赖，建议仅作为辅助核对答案的工具，而非直接使用！
