Q-learning与A*、Dijkstra在迷宫路径规划中的实现与性能对比

迷宫里的路径选择，不止 A*和 Dijkstra，Q-learning也能玩得挺溜的。这个资源整理了 Q-learning 和经典算法在迷宫中的应用，代码清晰，逻辑也不绕，看完你就能自己改改用了。

Q-learning 那块，比较推荐这个经典实现，训练个小机器人穿迷宫，挺有意思。栅格法的实现也有，路径可视化做得还不错，链接在这儿：基于栅格法的 Q-Learning。

说到传统算法，Dijkstra相关资源也蛮全的。比如这个基础实现，简单清楚，适合理解原理。如果你对自动驾驶有兴趣，那可以看看这个压缩包：自动驾驶路径规划，里面的 Dijkstra 逻辑比较实战。

想对比下三种算法效果？可以从这几个入口入手：Q-Learning 在格子世界 + Dijkstra 在路径跟踪，都挺有代表性。

如果你想自己写点啥，建议先跑跑这些例子，熟悉下结构和环境配置，尤其注意maze_map和reward_table怎么初始化的，省得踩坑。