本文通过3×3网格路径规划案例，详细介绍了Q-Learning算法的实现过程。智能体从起点(0,0)出发，需避开障碍物到达终点(2,2)。算法采用ε-贪婪策略平衡探索与利用，通过Q值更新公式迭代优化动作选择。实验包含动态可视化功能，直观展示训练过程中智能体的路径选择与奖励变化。结果表明，经过1000轮训练后，智能体能够学习到最优路径，避开障碍物并最大化奖励。文章完整呈现了环境构建、参数设置、核心算