以下哪些方面是设计在仓储调度环境中的强化学习算法时需要考虑的？（）
A: 动作空间
B: 状态空间
C: 奖励函数
D: 动作选择策略
A: 动作空间
B: 状态空间
C: 奖励函数
D: 动作选择策略
举一反三
- 强化学习基本要素有哪些？ A: 状态、动作、奖励 B: 状态、动作、折扣因子 C: 动作、折扣因子、奖励 D: 状态、奖励、探索策略
- 2. 在强化学习中，智能体的学习过程是一个反复与环境进行交互，不断试错、不断进步的过程。在这个过程中，智能体在环境中会选择（），环境可能因此改变自身（），同时环境会反馈智能体以（）。 A: 动作、状态、奖励 B: 状态、动作、奖励 C: 奖励、状态、动作 D: 动作、奖励、状态
- 设计强化学习框架主要需要考虑哪些因素？（） A: 环境 B: 奖励 C: 智能体 D: 算法运行时间
- 下面关于强化学习的描述中，错误的说法是哪个？ A: 传统的强化学习依赖线性价值函数（value function）或策略表达来实现 B: 策略就是从环境感知的状态到在这些状态中可采用动作的一个映射 C: 随机策略总是选择估计报酬为最大的动作 D: 奖赏函数定义了在强化学习问题中的目标
- Q-learning算法中，Q函数是 A: 状态-动作值函数 B: 状态函数 C: 奖励函数 D: 估值函数