Q-learning与蚁群算法路径优化代码
Q-learning 和蚁群算法的结合，挺适合想玩点智能优化的你。代码逻辑清晰，适配性也比较强，跑在路径规划或者 TSP 上都还不错。想快速上手强化学习的小伙伴，拿它练手正合适。
Q-learning 的强化学习策略用法比较灵活，适合搞自动决策的项目。比如做个智能小车、控制机械臂啥的，响应快、学习也稳。而蚁群算法就更偏向优化场景，比如物流配送、图路径寻找，模拟“蚂蚁找路”的方式还蛮直观。
我看了下代码，结构还算清晰，变量命名比较直白，新手也能看得懂。调参部分也预留得不错，要改权重或启发函数，改几个值就能试出来。
如果你之前没碰过RL或者元启发式算法，建议先看下这些相关文章：
如果你是搞 TSP 优化的，可以直接看下这篇 Matlab 路径规划，思路清楚，代码也有注释，挺贴心的。
嗯，代码本身没太多依赖，用 Python 或 Matlab 都能搞，调试也方便。如果你想把强化学习套进复杂优化，或者想试试蚁群+Q-learning 混合的效果，可以从这套代码开始。
提醒一句：多试几组参数组合，别太依赖默认值，调好了收敛速度会快不少。
文件大小：5.28KB
评论区