单项选择题
下面对博弈研究分类不正确的是（）
A.静态博弈与动态博弈B.完全信息博弈与不完全信息博弈C.合作博弈与非合作博弈D.囚徒困境与纳什均衡
单项选择题 在强化学习中，通过哪两个步骤的迭代，来学习得到最佳策略（）
单项选择题 下面哪一种方法不是通过迭代计算贝尔曼方程来进行策略评估（）
单项选择题 深度强化学习是深度学习与强化学习的结合。在深度强化学习中，神经网络被用来进行哪个函数的学习（）
