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。

判断题 强化学习中的策略梯度方法是一种直接优化策略参数的算法，不需要估计价值函数。