AI資格 模擬試験

G検定 模擬試験 第4回 問30・機械学習の概要（強化学習）

SARSA

強化学習のアルゴリズムであるQ学習とSARSAの違いとして、最も適切なものを1つ選べ。

  1. A

    Q学習は教師あり学習で、SARSAは教師なし学習である

  2. B

    Q学習は次の状態で最も価値の高い行動を使って更新し、SARSAは実際に次に選んだ行動を使って更新する

  3. C

    Q学習は報酬を使わず、SARSAは報酬を使う

  4. D

    Q学習は連続値の行動のみ、SARSAは離散値の行動のみを扱う

正解と解説を見る

正解：B

Q学習は次の状態での最大の価値を使い（オフポリシー）、SARSAは実際に選んだ行動の価値を使う（オンポリシー）。

Q学習やSARSAなどは、行動の価値 Q を「得られた報酬＋次の状態の価値」に近づけるように少しずつ更新する（TD学習）。
手法更新で使う「次の価値」方策
Q学習次の状態で最大のQオフポリシー
SARSA実際に選んだ次の行動のQオンポリシー

学習のポイント：「State, Action, Reward, State, Action」がSARSAの名前の由来。

この問題を演習で解く →

問題一覧へ

このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。