强化学习 - ★★综合大作 成人学历 业（占比40％）

课程名称：强化学习 发布教师：卢艳君 作业来源：课程总结 作业满分：100.0分 发布时间：2025-07-06 作业要求：本次大作业占比40%，请根据本课程的学习内容认真答题。题型包括单选，多选，简答，以及实践编程。本次大作业着重考核大家对利用强化学习解决问题的方法掌握程度，从理论到实践进行全面考核。

单选题

1. 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(） （分值：5.0分）

A. 总和

B. 最大值

C. 最小值

D. 期望值

2. Q-learning算法中，Q函数是（）。 （分值：5.0分）

A. 状态-动作值函数

国家开放大学 B. 状态函数

C. 估值函数

D. 奖励函数

3. 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。 （分值：5.0分）

A. 利用，探索

B. 探索，利用

C. 利用，输出

D. 探索，输出

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() （分值：5.0分）

渝粤文库 A. 大，小

B. 大，大

C. 小，大

D. 小，小

5. 在epsilon-greedy算法中，epsilon的值越大，采取随机动作的概率越()，采 广东开放大学 用当前Q函数最大动作的概率越(）。 （分值：5.0分）

A. 小，小

B. 大，小

C. 大，大

D. 小，大

多选题

1. 强化学习包含的元素有（）。 （分值：5.0分）

A. Reward

B. Agent

C. State

D. Action

简答题/计算题

1. Actor-Critic框架中的Cri 渝粤题库 tic起了什么作用？ （分值：10.0分）

2. 请问DQN（Deep Q-Network）是什么？其两个关键性的技巧分别是什么？（每个问题5分） （分值：10.0分）

3. 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（20分）和测试时的奖励曲线区图（20分），并进行结果分析（10分）。 （分值：50.0分）