【强化学习】使用迷宫的强化学习（Q-Learning）算法（Matlab实现）

最新推荐文章于 2025-06-04 19:54:52 发布

荧光Matlab

最新推荐文章于 2025-06-04 19:54:52 发布

阅读量1.6k

点赞数 16

CC 4.0 BY-SA版权

文章标签：算法

本文链接：https://blog.youkuaiyun.com/Matlab88888/article/details/146919248

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

💥1 概述

一、引言

在人工智能和机器学习领域，强化学习是让智能体通过与环境交互，不断试错以学习最优策略的重要方法。其中，Q - Learning 算法作为一种经典的无模型强化学习算法，以其简单有效、易于实现的特点，在诸多领域得到广泛应用。迷宫问题是强化学习中一个经典且直观的测试场景，它模拟了智能体在复杂环境中寻找最优路径的过程，通过在迷宫中应用 Q - Learning 算法，能够深入理解强化学习的基本原理和工作机制，同时为解决更复杂的实际问题提供理论基础和实践经验。

二、迷宫问题描述

迷宫是一个由多个格子组成的二维空间，其中包含起点、终点、障碍物以及可通行的路径。智能体初始位于起点，其目标是在不触碰障碍物的前提下，以最短的步数或最少的代价到达终点。在每一步行动中，智能体可以选择向上下左右等方向移动，每次移动后，环境会根据其行动结果给予相应的奖励或惩罚，如成功到达终点获得正奖励，撞到障碍物或远离目标受到负奖励。智能体需要根据这些奖励反馈不断调整自己的行动策略，最终找到从起点到终点的最优路径。

三、Q - Learning 算法原理

核心概念 Q - Learning 算法的核心是一个名为 Q 表（Q - table）的数据结构，它存储了智能体在每个状态（迷宫中的每个格子位置）下采取不同动作（上下左右移动）的价值估计值，即 Q 值。Q 值代表了在特定状态下选择某个动作后，智能体未来所能获得的累积奖励的期望。智能体的目标就是通过不断与环境交互，更新 Q 表中的值，使得每个状态下选择的动作对应的 Q 值最大，从而逐步学习到最优策略。算法流程 1. 初始化：将 Q 表中的所有 Q 值初始化为零或随机值，同时设定学习率（控制每次更新 Q 值的步长）、折扣因子（表示对未来奖励的重视程度）等参数。智能体被放置在迷宫的起点。 2. 选择动作：智能体根据当前所在状态和 Q 表，采用一定的策略（如 ε - 贪婪策略）选择一个动作。ε - 贪婪策略以大概率（1 - ε）选择当前 Q 值最大的动作，以小概率（ε）随机选择一个动作，这样既能利用已有的经验，又能探索新的路径。 3. 执行动作并获取反馈：智能体执行选定的动作，移动到新的位置。环境根据智能体的新位置给予相应的奖励，并将新状态反馈给智能体。 4. 更新 Q 表：根据当前状态、选择的动作、获得的奖励以及新状态下的最大 Q 值，使用 Q - Learning 的更新公式更新当前状态 - 动作对的 Q 值。更新公式的基本思想是将当前 Q 值朝着考虑即时奖励和未来可能获得的最大奖励的方向调整。 5. 循环迭代：将新状态作为当前状态，重复上述选择动作、执行动作、获取反馈和更新 Q 表的过程，直到智能体到达终点或达到最大迭代次数。

四、Q - Learning 在迷宫中的优势

1. 无模型学习：Q - Learning 算法不需要预先知道迷宫的具体结构和状态转移概率，只通过与环境的交互来学习最优策略。这使得它在面对复杂且未知的迷宫环境时具有很强的适应性，能够在不断探索中找到解决方案。 2. 通用性强：该算法可以应用于各种类型的迷宫，无论是简单的小型迷宫还是复杂的大型迷宫，只要定义好状态、动作和奖励机制，都可以使用 Q - Learning 算法进行求解。 3. 收敛性好：在满足一定条件下，Q - Learning 算法能够保证收敛到最优策略，即智能体最终能够找到从起点到终点的最优路径。这为解决迷宫问题提供了理论上的保证。

五、局限性与改进方向

局限性 1. 状态空间问题：当迷宫规模较大时，状态空间会急剧增加，Q 表的大小也会相应增大，导致存储和计算成本大幅上升，甚至可能出现维度灾难问题，使得算法效率低下。 2. 收敛速度慢：在复杂迷宫中，Q - Learning 算法可能需要进行大量的迭代才能收敛到最优策略，学习过程耗时较长。改进方向 1. 函数逼近：使用神经网络等函数逼近器来代替 Q 表，将高维状态映射到动作价值，减少存储和计算开销，提高算法在大规模状态空间中的性能。 2. 探索策略优化：设计更高效的探索策略，如基于信息增益的探索策略，能够在保证探索效果的同时，加快收敛速度。

六、应用与前景

Q - Learning 算法在迷宫问题中的应用不仅有助于理解强化学习的基本原理，还为解决实际问题提供了借鉴。在机器人导航、游戏开发、资源分配等领域，都可以将问题抽象为类似迷宫的环境，使用 Q - Learning 算法寻找最优解决方案。随着人工智能技术的不断发展，Q - Learning 算法有望在更多复杂场景中发挥重要作用，为实现智能决策和自动化控制提供有力支持。

七、结论

通过在迷宫问题中应用 Q - Learning 算法，我们可以清晰地看到强化学习的魅力和潜力。尽管该算法存在一些局限性，但通过不断的改进和优化，它在解决复杂问题方面具有广阔的应用前景。未来，随着研究的深入和技术的进步，Q - Learning 算法将不断完善，为推动人工智能领域的发展做出更大贡献。

📚2 运行结果

主函数部分代码：

function Random_Maze_Walk
clear all;
close all;

global maze2D;
global tempMaze2D;

DISPLAY_FLAG = 1; % 1 means display maze and 0 means no display
NUM_ITERATIONS = 10; % change this value to set max iterations 

% initialize global variable about robot orientation
currentDirection = 1; % robot is facing up
% row col will be initalized with the position of starting point 
% in the loop in which maze is read below
fileName = 'maze-9-9.txt';
[maze2D,row,col] = Read_Maze(fileName);
% show the maze
imagesc(maze2D),colorbar

% make some copies of maze to use later for display
orgMaze2D = maze2D;
orgMaze2D(row,col) = 50;
[goalX,goalY,val] = find(orgMaze2D == 100);
tempMaze2D = orgMaze2D;

% robots starting position
startX = row;
startY = col;

% Direction selection
% 0 means turn left
% 1 means turn right
% 2 means Move Ahead in current direction 
% if this value is set to 2 then random walker will have one more action 
NUM_DIRECTIONS = 1; % 1, 2

for j=1:NUM_ITERATIONS
    status = -1;
    countActions = 0;
    countSteps = 0;
    tempMaze2D(goalX,goalY) = 100;
    row = startX; col = startY;
    currentDirection = 1;
    
    while status ~= 3
        % select whether to call Turn Left or Turn Right below
        direction = round(rand*NUM_DIRECTIONS);
                
        % get a rand number between 0 - 3 to turn left right in selected direction
        % that many times
        randMove = round(rand*3);
        
        for i=0:randMove
            if direction == 0
                % Turn Left and then move ahead                
                currentDirection = TurnLeft(currentDirection);            
            elseif direction == 1
                % Turn Right and then move ahead                
                currentDirection = TurnRight(currentDirection);            
            end                
        end