单项选择题 强化学习的回报值一个重要特点是具有（）。

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。