以下说法正确的是（）。A. 基于状态，智能体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B. 强化学习中智能体不能获得即时反馈C. 用于强化学习的数据必须符合独立同分布的假设D. 主体和环境之间交互的要素有状态、动作、奖赏