iPAS AI 應用規劃師初級 115 年第一次 科一 第 19 題 詳解

115 年第一次 科一 人工智慧基礎概論

某物流公司導入強化式學習（Reinforcement Learning）優化車隊調度。模型在系統運行過程中，會依據不同配送狀態動態調整行動選擇方式，使決策結果逐步朝較佳績效收斂。上述模型在學習過程中的調整行為，最符合下列哪一項強化式學習核心機制？

1. A調整策略函數以改變行動選擇機率（正確答案）

   策略函數依回饋更新行動機率，正是強化式學習的運作核心。

2. B更新訓練資料分布以降低模型偏差

   調整訓練資料分布屬資料前處理，非模型與環境互動的學習機制。

3. C重新分群狀態資料以識別決策類型

   狀態重新分群是非監督式的分群做法，不涉及報酬回饋。

4. D建立正確決策標籤進行誤差修正

   建立正確標籤做誤差修正是監督式學習，強化式沒有標準答案。