30.某物流公司希望讓配送系統在不同交通狀態下選擇路線，系統每次選擇後會根據配送時間、油耗與遲到罰則取得回饋，並逐步改善策略。下列哪一種學習模型最符合此決策情境？(A)強化學習(B)單純線性迴歸(C)K-means分群(D)PCA降維