马尔可夫性质强调在每一个动作状态序列中，下一个状态与（）有关。

强化学习中，（）主要探索未知的动作会产生的效果，有利于更新Q值，获得更好的策略。A.探索B.开发C.输入D.输...

单项选择题强化学习中，（）主要探索未知的动作会产生的效果，有利于更新Q值，获得更好的策略。

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...

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。

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...

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（）。