【2025算法面试通关】【六.强化学习-基础算法】【42.深度强化学习与多智能体强化学习核心面试题解析：探索-利用平衡与合作竞争机制100+题】

第一部分：深度强化学习（DRL）探索-利用平衡专题

一、基础概念题（20题）

1. 【概念题】什么是探索-利用平衡（Exploration-Exploitation Trade-off）？
   答：在强化学习中，探索指智能体尝试未知动作以发现潜在高奖励策略，利用指选择已知最优动作最大化即时奖励。平衡两者以在长期累积奖励中取得最优，是RL核心问题之一。

2. 【热门题】探索-利用平衡为何在DRL中更为复杂？
   答：DRL结合深度学习，状态/动作空间高维连续，策略参数化导致探索行为依赖网络输出；且函数近似误差可能放大探索偏差，需设计与神经网络兼容的探索策略。

3. 【概念题】列举三种常见探索策略。
   答：ε-greedy、上置信界（UCB）、玻尔兹曼探索（Boltzmann Exploration）。