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综合大作业单选题答案
1、在强化学习过程中，学习率越大，表示采用新的尝试得到的结果比例越()，保持旧的结果的比例越()
A、大，小
B、大，大
C、小，大
D、小，小
正确答案：A
2、在epsilon-greedy算法中，epsilon的值越大，采取随机动作的概率越()，采用当前Q函数最大动作的概率越(）。
A、小，小
B、大，小
C、大，大
D、小，大
正确答案：B
3、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
4、在强化学习的过程中，(）能够在稍微偏离目前最好策略的基础上，尝试更多策略，(）能够运用目前最好的策略，获取更高的奖励。
A、利用，探索
B、探索，利用
C、利用，输出
D、探索，输出
正确答案：B
5、Q(s,a)是指在给定状态s的情况下，采取行动a之后，后续的各个状态所能得到的回报(）
A、总和
B、最大值
C、最小值
D、期望值
正确答案：D
二、2026年春江苏开放大学强化学习形考综合大作业多选题答案
1、强化学习包含的元素有（）。
A、Reward
B、Agent
C、State
D、Action
正确答案：A；B；C；D
三、2026年春江苏开放大学强化学习形考综合大作业简答题答案
题型：简答题主观题分值50分难度：简单得分：40
1、题目：基于Q-Learning算法实现冰湖（FrozenLake-v1）游戏
基于Q-Learning算法，完整实现OpenAI Gym中FrozenLake-v1（4×4非滑溜版）环境的智能体训练与测试代码（15分）；
训练过程中实时记录每一轮的奖励值，训练完成后绘制训练奖励曲线图（横轴为训练轮数，纵轴为每轮奖励值，需包含滑动平均曲线）（15分）；
训练完成后，使用训练好的Q表进行至少100轮测试，记录每轮测试奖励值并绘制测试奖励曲线图（10分）；
对训练曲线、测试曲线的趋势和结果进行详细分析，包括但不限于：奖励值变化规律、算法收敛性、智能体性能表现等（10分）。
学生答案：
未经授权，禁止转载，发布者：形考达人
，出处：https://www.xingkaowang.com/32972.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！
