单选题

以下说法正确的是（）

Question

A. 强化学习的核心任务是，学习一个从动作空间A到状态空间S的映射，最大化累积收益。

B. 常用的强化学习算法有Q学习，策略梯度，以及演员评判家算法等。

C. 强化学习会直接给决策器的输出打分。

D. 大部分涉及静态系统的决策学习过程都可以看成是一种强化学习。