A.仅在项目开始阶段使用B.仅在项目结束阶段使用C.贯穿整个用户体验设计过程D.只在用户测试阶段使用
判断题强化学习中的Actor-Critic架构结合了基于值和基于策略的方法，其中Actor负责选择动作，Critic负责评估动作的价值。
判断题强化学习中的策略梯度方法直接对策略进行参数化，并通过梯度上升来优化期望回报。
判断题强化学习中的价值迭代和策略迭代是等价的，可以互相替代。
判断题强化学习中的状态转移概率必须是已知的，否则无法进行学习。
判断题强化学习只能用于解决离散动作空间的问题，无法处理连续动作空间。
