C++写的A星解迷宫算法,使用方法：先点封口按钮，再用鼠标在入口画线，再点最右边按钮，再迷宫内分别点击入口、出口位置 ，注意别点到墙，再点执行按钮。

深度优先搜索解迷宫问题 ，精妙的算法设计

压缩文件包含两个文件： 回溯算法解该问题的源码 + 基于个人理解而进行解释该源码的txt文档。

在这个例子中，我们将使用 Q-Learning（强化学习）解决一个迷宫（检查示例选项卡或 Q_Learn_Maze.mlx）

通过使用深度优先搜索或广度优先搜索（取决于用户指定的内容）随机生成可解决的迷宫。 用Java编写，并使用东北大学的“ impworld”库绘制迷宫。

参考 6.4 (Sarsa: On-Policy TD Control), Reinforcement learning: An Introduction, RS Sutton, AG Barto, MIT press 在这个演示中，强化学习技术 SARSA 解决了两个不同的迷宫。 State-Action-Reward-State-Action (SARSA) 是一种用于学习马尔可夫决策过程策略的算法，用于强化学习。 SARSA，动作价值函数的更新： Q(S{t}, A{t}) := Q(S{t}, A{t}) + α*[ R{t+1} + γ ∗ Q(S{t+1}, A{ t+1}) − Q(S{t}, A{t}) ] 学习率 (α) 学习率决定了新获取的信息在多大程度上覆盖旧信息。 因子为 0 将使代理不学习任何东西，而因子为 1 将使代理仅考虑最近的信息。 折扣系数 (γ)

这是大一下学期算法的期末作业，用C语言做了一个解迷宫问题的小动画，文件内附源码、开发文档、演示ppt和可执行文件，一看就会，而且充满趣味性，各位看官可以自己看一下，五分绝对物超所值

用于使用深度优先搜索和递归回溯算法生成随机可解迷宫的Python脚本。 该代码还实现了用于解决生成的迷宫的递归回溯寻路算法。 这里是一个生成的迷宫及其计算解决方案的例子。

C语言实现，用A*算法和深度优先算法实现了迷宫问题，界面设计非常不错，并且有两种搜索的比较。