2025年春江苏开放大学强化学习060733形考作业2

单选题

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。

学生答案：D

2下列关于策略下状态价值的表达式正确的是（）

注：下列选项中表示策略，表示折扣因?，Rt表示t时刻奖励，St表示t时刻状态，At表示t时刻动作。

A

B

C

D

学生答案：A

3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