2.8_第二个测验

想要获得最佳的学习效果并避免产生自以为是的幻觉，对自己进行测试是非常重要的。这会帮助你找到需要加强知识的领域。

问题一：什么是 Q-learning？

<Question
choices={[
{
text: "一个用来训练 Q 函数的算法",
explain: "",
correct: true
},
{
text: "一个价值函数",
explain: "一个动作价值函数，因为它决定了在特定状态下采取特定动作的价值",
},
{
text: "一个用于确定在特定状态下采取特定动作的价值的算法",
explain: "",
correct: true
},
{
text: "一个表格",
explain: "Q 函数不是 Q 表格，它是一个用于填充 Q 表格的算法"
}
]}
/>

问题二：什么是Q表格？

<Question
choices={[
{
text: "Q 表格是一个在 Q-learning 中使用的算法",
explain: "",
},
{
text: "Q 表格是智能体的内部记忆",
explain: "",
correct: true
},
{
text: "Q 表格中每一个单元都对应一个状态价值",
explain: "每一个单元都对应一个状态价值对的价值，而非一个状态价值",
}
]}
/>

问题三：为什么有了最优 Q 函数 Q * 就意味着有了最优的策略？

参考答案

因为有了最优的 Q 函数， 我们就知道了在每个状态下应该采取的最优动作，所以这意味着我们有了最优的策略。

问题四：解释一下什么是 Epsilon 贪心策略？

参考答案

Epsilon贪心策略是一种处理探索和利用平衡问题的方法。

该方法思想为我们定义 epsilon ε = 1.0：

• 当概率为 1 — ɛ 时：让智能体进行利用（即智能体选择一个具有最高状态动作对价值的动作）

• 当概率为 ɛ 时：让智能体进行探索（尝试随机动作）

问题五：怎么更新一个状态动作对的Q值？

参考答案

问题六：同策略学习和异策略学习的区别是什么？

参考答案

恭喜完成了以上的测验🥳，如果你对以上的内容还没有完全掌握，可以进行回顾以加强你的知识掌握程度(😏) 。