直接策略的RL直接优化目标函数，对策略进行参数化表示，与值函数相比，策略化参数的方法更简单，更容易收敛。（ ）
举一反三
- 下列有关强化学习方法的说法正确的是()。 A: 基于值函数强化学习通过不断评价一个行为的好坏进而改进策略,最终将得到一个期望回报很高的策略。 B: 基于策略的强化学习主要用来解决状态空间过大或者不连续的情形。 C: 深度强化学习能够实现高维度原始输入数据的感知和决策控制。现在越来越多应用于机器人领域。 D: 基于策略的强化学习直接优化目标函数，对策略进行参数化表示，与值函数相比，策略化参数的方法更简单，更容易收敛。
- （）是通过确定目标函数采用优化方法，不断的调整模型参数，使得模拟结果不断接近参数化的目标值。
- 间接参数是直接参数的单值函数（）
- 在教学策略中，属于内容型策略的是（）。 A: 方法化策略 B: 结构化策略 C: 问题化策略 D: 形式化策略
- 企业知识交流与共享的策略有个人化策略和（） A: 编码化策略 B: 群体化策略 C: 数字化策略 D: 文档化策略