面试题库 › 算法 / 大模型 › DQN 原理与经典强化学习算法

DQN 原理与经典强化学习算法

难度 ★★☆在 2 场真实面经中被问到 方向:算法 / 大模型考点:强化学习

哪些公司问过

腾讯1百度1

常见岗位:大模型算法、推荐搜索广告

答案要点

  1. 分类:价值类(Q-learning、SARSA、DQN)、策略类(REINFORCE)、Actor-Critic(A2C/A3C、PPO、DDPG、SAC)
  2. Q-learning:Q(s,a)←Q(s,a)+α[r+γ·maxQ(s',a')-Q(s,a)],off-policy,ε-greedy 探索
  3. DQN 用神经网络近似 Q 函数,输入状态输出各动作 Q 值,损失为 TD 误差平方
  4. 经验回放:随机采样打破样本相关性、提高数据复用
  5. 目标网络:延迟更新计算 TD 目标,稳定训练;改进有 Double、Dueling DQN 与优先回放

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题