Escrito por estudiantes que aprobaron Inmediatamente disponible después del pago Leer en línea o como PDF ¿Documento equivocado? Cámbialo gratis 4,6 TrustPilot
logo-home
Document preview thumbnail
Vista previa 3 fuera de 18 páginas
Examen

CS 7643 – Quiz 6 Review | Questions and Answers – spring 2026 | 100% Correct – GT.

Document preview thumbnail
Vista previa 3 fuera de 18 páginas

CS 7643 – Quiz 6 Review | Questions and Answers – spring 2026 | 100% Correct – GT.

Vista previa del contenido

CS 7643 – Quiz 6 Review | Questions and Answers – spring 2026 | 100% Correct
– GT.



🔵 SECTION 1: Markov Decision Processes
(MDPs)

Q1. Define a Markov Decision Process (MDP).

Answer:

An MDP is a tuple:

(S,A,T,R,γ)(S, A, T, R, \gamma)(S,A,T,R,γ)

Where:

 S = set of states
 A = set of actions
 T(s'|s,a) = transition probability
 R(s,a) = reward function
 γ ∈ [0,1] = discount factor

Markov property:

P(St+1∣St)=P(St+1∣St,...,S0)P(S_{t+1}|S_t) = P(S_{t+1}|S_t,...,S_0)P(St+1∣St)=P(St+1∣St,...,S0)

Only the present state matters.



Q2. Define Value Function and Q-Function.

Answer:

Value function:

Vπ(s)=E[∑t=0∞γtrt∣s0=s]V^\pi(s) = E\left[\sum_{t=0}^{\infty} \gamma^t r_t \mid s_0=s
\right]Vπ(s)=E[t=0∑∞γtrt∣s0=s]

Q-function:

,Qπ(s,a)=E[∑t=0∞γtrt∣s0=s,a0=a]Q^\pi(s,a) = E\left[\sum_{t=0}^{\infty} \gamma^t r_t \mid
s_0=s, a_0=a \right]Qπ(s,a)=E[t=0∑∞γtrt∣s0=s,a0=a]

Optimal value:

V∗(s)=max⁡aQ∗(s,a)V^*(s) = \max_a Q^*(s,a)V∗(s)=amaxQ∗(s,a)


Q3. Write the Bellman Optimality Equation.

V∗(s)=max⁡a[r(s,a)+γ∑s′P(s′∣s,a)V∗(s′)]V^*(s) = \max_a \left[r(s,a) + \gamma \sum_{s'}
P(s'|s,a)V^*(s') \right]V∗(s)=amax[r(s,a)+γs′∑P(s′∣s,a)V∗(s′)]

Breaks value into:

 Immediate reward
 Discounted future value




🔵 SECTION 2: Dynamic Programming

Q4. Explain Value Iteration.

Answer:

Initialize arbitrary V(s)V(s)V(s)

Iteratively update:

V(s)←max⁡a[r(s,a)+γ∑s′P(s′∣s,a)V(s′)]V(s) \leftarrow \max_a \left[r(s,a) + \gamma \sum_{s'}
P(s'|s,a)V(s') \right]V(s)←amax[r(s,a)+γs′∑P(s′∣s,a)V(s′)]

Repeat until convergence.



Q5. Explain Policy Iteration.

Answer:

1. Initialize random policy π

, 2. Policy Evaluation:

Vπ(s)V^\pi(s)Vπ(s)

3. Policy Improvement:

π(s)=arg⁡max⁡aQπ(s,a)\pi(s) = \arg\max_a Q^\pi(s,a)π(s)=argamaxQπ(s,a)

4. Repeat until stable




🔵 SECTION 3: Q-Learning & Deep Q-
Learning

Q6. Write Q-learning update rule.

Q(s,a)←Q(s,a)+α[r+γmax⁡aQ(s′,a)−Q(s,a)]Q(s,a) \leftarrow Q(s,a) + \alpha \left[r + \gamma
\max_a Q(s',a) - Q(s,a) \right]Q(s,a)←Q(s,a)+α[r+γamaxQ(s′,a)−Q(s,a)]

Off-policy TD learning.



Q7. Compute Q-update (GT-style numeric problem).

Given:

 γ = 0.8
 State B, action Up
 Enter state C
 Reward = 3
 max Q(C,a) = 5
 Q(B,Up) = 8

Update:

Q(B,Up)=8+(3+0.8∗5−8)Q(B,Up) = 8 + (3 + 0.8*5 - 8)Q(B,Up)=8+(3+0.8∗5−8) =8+(3+4−8)= 8
+ (3 + 4 - 8)=8+(3+4−8) =7= 7=7

MSE Loss:

Información del documento

Subido en
3 de marzo de 2026
Número de páginas
18
Escrito en
2025/2026
Tipo
Examen
Contiene
Preguntas y respuestas
$17.99

¿Documento equivocado? Cámbialo gratis Dentro de los 14 días posteriores a la compra y antes de descargarlo, puedes elegir otro documento. Puedes gastar el importe de nuevo.
Escrito por estudiantes que aprobaron
Inmediatamente disponible después del pago
Leer en línea o como PDF

Seller avatar
Los indicadores de reputación están sujetos a la cantidad de artículos vendidos por una tarifa y las reseñas que ha recibido por esos documentos. Hay tres niveles: Bronce, Plata y Oro. Cuanto mayor reputación, más podrás confiar en la calidad del trabajo del vendedor.
Wiseman
3.9
(1639)
Vendido
8170
Seguidores
3893
Artículos
30517
Última venta
1 hora hace



Por qué los estudiantes eligen Stuvia

Creado por compañeros estudiantes, verificado por reseñas

Calidad en la que puedes confiar: escrito por estudiantes que aprobaron y evaluado por otros que han usado estos resúmenes.

¿No estás satisfecho? Elige otro documento

¡No te preocupes! Puedes elegir directamente otro documento que se ajuste mejor a lo que buscas.

Paga como quieras, empieza a estudiar al instante

Sin suscripción, sin compromisos. Paga como estés acostumbrado con tarjeta de crédito y descarga tu documento PDF inmediatamente.

Student with book image

“Comprado, descargado y aprobado. Así de fácil puede ser.”

Alisha Student

Preguntas frecuentes