强化学习工程师考试试卷

一、单项选择题（共10题，每题1分，共10分）

马尔可夫决策过程（MDP）的核心组成不包括以下哪项？

A.状态空间（StateSpace）

B.动作空间（ActionSpace）

C.环境观测空间（ObservationSpace）

D.折扣因子（DiscountFactor）

答案：C

解析：MDP的标准组成包括状态空间（S）、动作空间（A）、转移概率（P）、奖励函数（R）和折扣因子（γ）。环境观测空间是部分可观测马尔可夫决策过程（POMDP）的概念，因此C错误。

强化学习中“策略（Policy）”的定义是？

A.状态到奖励的映射

B.状态到动作的