通过Q-learing算法设计的一个关于机器人走迷宫的python程序，''' 2*2的迷宫 --------------- | 入口| | 陷阱| | --------------- | ↓ | 陷阱 | 陷阱 | | --------------- | ↓ | 陷阱 | 陷阱 | | --------------- | → | → | → | 宝贝 | --------------- 每个格子是一个状态，此时都有上下左右停5个动作 任务