人工智能与信息社会
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
题目
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
相似问题和答案
第1题：
使触发器呈计数状态的控制函数是()
A、J=K+1
B、D=Q
C、/S=Q，/R=Q
D、T=0
第2题：
A.热轧状态交货的Q345B
B.热轧状态交货的Q345R
C.热轧状态交货的Q235B
D.S32304
第3题：
A.Q-Search-I
B.S_SearchRat
C.TDD_offset
D.QHyst1S
第4题：
在期望值决策中，所说的期望值是（ ）。
A．一个方案在不同自然状态下所能产生的不同后果（损益等）的平均值
B．一个方案在不同自然状态下所能产生的不同后果（损益等）的最大值
C．一个方案最可能实现的值
D．一个方案真正能实现的值
第5题：
设栈S的初始状态为空，队列Q的初始状态如图所示。
对栈S和队列Q进行下列两步操作： (1)删除Q中的元素，将删除的元素插入S，直至Q为空。 (2)依次将S中的元素插入Q，直至S为空。在上述两步操作后，队列Q的状态是【 】。
a4a3a2a1 解析：队列的删除是从队头开始的，所以在执行第一步后，S中的内容及顺序应为a1a2a3a4。但栈的出栈顺序是先进后出，所以出栈／顷序为a4a3a2a1。队列的内容及顷序也与出栈情况一致。
第6题：
A.热轧状态交货的Q345B
B.热处理状态交货的Q345R
C.S32168
D.S32304
第7题：
设P(x,y,z),Q(x;y,z),R(x,y,z)是连续函数,M是
在(S)上的最大值，其中(S)是一光滑曲面,其面积记为S.证明
第8题：
7位选手Z、Q、S、L、W、C和D参加击剑比赛，最后根据这7位选手的得分的点数多少来进行排名。结果，每一个选手的得分点数都不相同。比赛结果如下。
(1) Z得到的点数比C的多。
(2) C得到的点数比Q的多。
(3) Q得到的点数比l的多。
(4) W得到的点数不是最少的。
(5) D得到的点数比S的少，但是比W得到的多，也比C的多。
下面哪一项可能是7位选手从第1到第7的正确排序?
A．Z、S、D、W、Q、C、L
B．Z、S、D、C、Q、L、W
C．S、D、Z、W、C、Q、L
D．S、D、W、C、Z、Q、L
解析：根据题干可以得到几个点数排名顺序是Z、C、Q、L，还有S多于 D，D多于C和W，并且W不是第7名。所以点数最少的一定是L，而点数最多的不是2就是S。仔细分析还能发现，C不是在第4名就是在第5名。W不是第7名，排除选项B；C在Q前面，排除选项A；Z在C前面，排除选项D。
第9题：
在一个单链表中，q结点是p结点的前驱结点，若在q与p之间插入结点s，则执行(29)。
A．s→link=p→link；p→link=s；
B．p→link=s；s→link=q；
C．p→link=s→link；s→link=p；
D．q→link=s；s→link=p；
解析：q结点是p结点的前驱结点，若在q与p之间插入结点s，只需先将q的指针指向s，然后再将s指向p即可。
第10题：
在Q-Learning中，所谓的Q函数是指（）。
- A、状态动作函数
- B、状态值函数
- C、动作值函数
- D、策略函数
正确答案:A