强化学习
-
2026年春江苏开放大学强化学习形考综合大作业答案
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，…
-
2026年春江苏开放大学强化学习形考作业2答案
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…
-
2026年春江苏开放大学强化学习形考作业3答案
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： …
-
2026年春江苏开放大学强化学习形考作业1答案
一、2026年春江苏开放大学强化学习形考作业1单选题答案 1、在最优控制理论中，贝尔曼方程的作用是什么？ A、确定初始状态的策略 B、描述动态规划中递归地求解最优值函数的方法 C、预测环境的变化趋势 D、计算每个状态的即时奖励 正确答案：B 2、价值函数可以这样理解（）。 A、有一种价值函数：Q 函数。Q 函数里面包含两个变量：状态和动作。 B、…
