在本实验中，要求分别使用基础搜索算法和 Deep QLearning 算法，完成机器人自动走迷宫。

资源包含文件：设计报告word+代码 实现基于基础搜索算法和 Deep QLearning 算法的机器人，使机器人自动走到迷宫的出口。 使用 Python 语言。 使用基础搜索算法完成机器人走迷宫。 使用 Deep QLearning 算法完成机器人走迷宫。 使用 Maze(maze_size=size) 来随机生成一个 size * size 大小的迷宫。 使用 print() 函数可以输出迷宫的 size 以及画出迷宫图 红色的圆是机器人初始位置 绿色的方块是迷宫的出口位置 详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/124897877?spm=1001.2014.3001.5502

项目描述： 在该项目中，你将使用强化学习算法，实现一个自动走迷宫机器人。 如上图所示，智能机器人显示在右上角。在我们的迷宫中，有陷阱（红色×××）及终点（蓝色的目标点）两种情景。机器人要尽量避开陷阱、尽快到达目的地。 小车可执行的动作包括：向上走 u、向右走 r、向下走 d、向左走l。 执行不同的动作后，根据不同的情况会获得不同的奖励，具体而言，有以下几种情况。 撞到墙壁：-10 走到终点：50 走到陷阱：-30 其余情况：-0.1 我们需要通过修改 robot.py 中的代码，来实现一个 Q Learning 机器人，实现上述的目标。 Section 1 算法理解 1.1

主要介绍了用Q-learning算法实现自动走迷宫机器人的方法示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

通过键盘读入矩阵迷宫地图 运算出任一条可走出路径 若无路径怎返回error