机器人路径优化基于强化学习Q-learning算法的移动机器人路径优化MATLAB先整一个5x5的网格环境障碍物直接用矩阵标记。看这段初始化代码grid_size [5,5]; start [1,1]; goal [5,5]; obstacles [2,2;3,3;4,4]; q_table zeros(prod(grid_size),4); % 上下左右四个动作这里有个骚操作——把二维坐标转成一维状态直接用sub2ind函数搞定。状态编码是Q-learning的关键相当于给每个位置办身份证。重点来了Q值更新规则alpha 0.1; % 学习率 gamma 0.9; % 折扣因子 epsilon 0.2; % 探索概率 for episode 1:1000 state start; while ~isequal(state,goal) current_state sub2ind(grid_size,state(1),state(2)); % ε-greedy策略 if rand() epsilon action randi(4); else [~,action] max(q_table(current_state,:)); end % 执行动作 new_state move_robot(state,action); % 计算奖励 if ismember(new_state,obstacles,rows) reward -10; elseif isequal(new_state,goal) reward 100; else reward -1; end % Q值更新 next_state_idx sub2ind(grid_size,new_state(1),new_state(2)); q_table(current_state,action) q_table(current_state,action) ... alpha*(reward gamma*max(q_table(next_state_idx,:)) - q_table(current_state,action)); state new_state; end end这里有几个有意思的点1给障碍物设置-10的惩罚比目标奖励还狠毕竟撞墙比走远路严重2每步-1的奖励迫使机器人找最短路径3ε-greedy里那个rand()用得妙既保证探索又不失效率。机器人路径优化基于强化学习Q-learning算法的移动机器人路径优化MATLAB路径可视化可以玩点花的[xx,yy] meshgrid(1:5); scatter(xx(:),yy(:),100,k,filled); hold on scatter(goal(1),goal(2),200,r,pentagram) patch(obstacles(:,1),obstacles(:,2),r,EdgeColor,none)用色块标注障碍物五角星表示终点训练完的路径用折线连起来效果直接拉满。调试时发现个坑当折扣因子gamma超过0.95时机器人容易在起点附近转圈。后来发现是远期回报权重太高导致眼前的小奖励失去吸引力。调参这事儿真是差之毫厘谬以千里。完整代码跑下来机器人从刚开始的横冲直撞到后来丝滑避障这学习过程跟教小孩走路似的。强化学习的魅力就在这儿——不需要精确建模让机器自己在试错中成长。