2026年秋江苏开放大学强化学习060733综合大作业答案

文档介绍

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!!!

同专业其他作业点击右侧标签查看

试题列表
单选题
题型：单选题客观题分值5分难度：简单得分：5
1
马尔可夫决策过程是指（）。
A
针对随机过程序贯的做出决策。
B
针对具有马尔可夫性的随机过程序贯的做出决策。
C
针对一般过程序贯的做出决策。
D
具有马尔可夫性的过程。
学生答案：B
老师点评：
题型：单选题客观题分值5分难度：简单得分：5
2
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
学生答案：B
老师点评：
题型：单选题客观题分值5分难度：简单得分：5
3
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
学生答案：D
老师点评：
题型：单选题客观题分值5分难度：简单得分：5
4
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
学生答案：A
老师点评：
题型：单选题客观题分值5分难度：简单得分：5
5
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
学生答案：B
老师点评：
多选题
题型：多选题客观题分值5分难度：简单得分：5
1
强化学习包含的元素有（）。
A
Reward
B
Agent
C
State
D
Action
学生答案：A；B；C；D
老师点评：
简答题
题型：简答题主观题分值30分难度：简单得分：25
1
基于 Q-Learning 算法，完整实现 Gymnasium 中 Taxi 出租车载客环境的智能体训练与测试。
1. 环境与算法实现（10分）
2. 训练奖励记录与可视化（10分）
3. 智能体测试与结果可视化（5 分）
使用训练好的 Q 表进行不少于 100 轮测试，测试过程中不再进行随机探索。
4. 实验结果分析（5分）
学生答案：（购买后获取答案）
题型：简答题主观题分值30分难度：简单得分：25
2
请利用DDPG算法实现钟摆游戏Pendulum-v1，需要在答案区附上训练和测试曲线，包括训练时的奖励曲线图（10分）和测试时的奖励曲线区图（10分），并进行结果分析（10分）。

学生答案：（购买后获取答案）
题型：简答题主观题分值10分难度：简单得分：10
3
请问DQN（Deep Q-Network）是什么？经验回放（Experience Replay）在 DQN 中的核心价值是什么？（每个问题5分）
学生答案：（购买后获取答案）