相关链接：
- RL 基础 | Value Iteration 的收敛性证明
- RL 基础 | Policy Iteration 的收敛性证明
- 复杂系统 | 考前知识点总结（不完全）
- “嵌套分区法，是一种良策；将海洋分成块，每块都探测。”
- 概述：基于事件的优化方法 / 事件驱动优化 / Event-Based Optimization / EBO
十个判断题，感觉都是正确的（）
十个选择题，应该也算比较基础，考到了 EBO 和什么 steady state distribution，什么 estimate interval \((1/t)^{1/2}\) 收敛之类。
（btw 这次客观题答错不扣分；jls 当时说，想答错扣分，保证 random policy 的得分期望为 0… 幸好后来没有实施）
有三个大题，第一个是 alias method 画表 + 数归证明。
第二个是 policy gradient theorem，第一问给出形式，第二问证明。（没复习 policy gradient theorem，现场推的东西是错了，完蛋…）
第三个是给出并证明 Little's Law。
标签：题目,答错,Iteration,证明,RL,20240116,theorem,policy,考试 From： https://www.cnblogs.com/moonout/p/18009308