本项目是基于迷宫环境. 与最短路径算法不同, Q学习算法使agent能够通过与环境交互(采取四个方向的动作), 计算从给定的起点到固定的终点的最短路径.

1. readMaze.m: 读取迷宫数据, 目前存储为矩阵的形式
2. q_learning.m: Q学习的核心算法
3. plotMaze.m: 绘制平均路径, 地图和各个点的最佳方向
4. actions.m: 定义动作空间
5. plotQ.m: 单独保存某一次迭代的Q矩阵图像, 默认保存为目录下的images文件夹
6. main.m: 执行主要功能

如果需要修改起始点, 并绘制相关的路径, 可以在main.m运行完q_learning函数之后, 修改start并运行

start = [2,3];
plotMaze(OM, Q, HA, HP, start, dest, seed, gamma, alpha,epsilon,lambda);

代码即可绘制其他起点的图像.

1. 输出的Q值矩阵(迭代1000次):

2. 各个状态的采取的最优的行为:

3. 最优的路径:

4. 平均的回报:

基于 Matlab 2019a 开发. 需要使用部分函数进行绘图: