单项选择题
在强化学习过程中，（）表示随机地采取某个动作，以便于尝试各种结果；（）表示采取当前认为最优的动作，以便于进一步优化评估当前认为最优的动作的值。
A.探索；开发
B.开发；探索
C.探索；输出
D.开发；输出
点击查看答案
相关考题
-
单项选择题
在ε-greedy策略当中，ε的值越大，表示采用随机的一个动作的概率越（），采用当前Q函数值最大的动作的概率越（）。
A.大；小
B.大；大
C.小；小
D.小；大 -
单项选择题
在强化学习的过程中，学习率α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；小
D.小；大 -
单项选择题
Q函数Q（s，a）是指在一个给定状态s下，采取某一个动作a之后，后续的各个状态所能得到的回报的（）。
A.期望值
B.最大值
C.最小值
D.总和
