单项选择题 马尔可夫性质强调在每一个动作状态序列中，下一个状态与（）有关。

单项选择题 强化学习中，（）主要探索未知的动作会产生的效果，有利于更新Q值，获得更好的策略。

单项选择题 在强化学习过程中，（）表示随机地采取某个动作，以便于尝试各种结果；（）表示采取当前认为最优的动作，以便于进一步优化评估当前认为最优的动作的值。