强化学习（Q学习）：演示使用迷宫的强化学习（Q学习）算法-matlab开发

此代码使用迷宫示例演示了强化学习 (Q-learning) 算法，其中机器人必须仅通过向左、向右、向上和向下方向移动才能到达目的地。 在每一步，根据机器人动作的结果，它会被教导和重新教导它是否是一个好的动作，最终整个过程一次又一次地重复，直到它到达目的地。 此时，该过程将再次开始，以便可以验证所学的内容，并且可以忘记在第一遍期间所做的不必要的移动等等。 这是一个很好的教程示例，适用于必须在旅途中进行学习的情况，即不使用训练示例。 可用于游戏中学习和提升AI算法与人类玩家等多种场景的竞争能力。 在小迷宫上收敛会很快，而在大迷宫上收敛可能需要一些时间。 您可以通过修改代码来提高收敛速度，使 Q-learning 高效。 有四个m文件QLearning_Maze_Walk.m - 演示 Q-learning 算法在选定迷宫上的工作Random_Maze_Walk.m - 演示用于比较的随机选