题目

强化学习中，“策略梯度法”直接优化的是（A. 价值函数B. Q函数C. 策略函数D. 奖励函数

强化学习中，“策略梯度法”直接优化的是（

A. 价值函数

B. Q函数

C. 策略函数

D. 奖励函数

题目解答

答案

C. 策略函数