最终结果如下图

代码如下：

import numpy as np
import matplotlib.pyplot as plt

epsilon = 0.8
gamma = 0.1
lr = 0.1
distance = np.array([[0, 7, 6, 1, 3], [7, 0, 3, 7, 8], [6, 3, 0, 12, 11], [1, 7, 12, 0, 2], [3, 8, 11, 2, 0]])
R_table = 11 - distance
space = [0, 1, 2, 3, 4]
Q_table = np.zeros((5, 5))

# 进行训练同时测试训练成果
iterate_results = []  # 保存每次测试结果
for i in range(500):
    print(f"开始第{i + 1}回合。。。")
    # 初始位置
    path = [0]
    # 每个回合要获取4个位置
    for j in range(4):
        s = path[j]  # 当前位置
        s_row = Q_table[s]  # 当前位置对应的Q表中的行
        remain = set(space) - set(path)  # 剩余节点
        max_value = -1000
        # 在剩余节点中遍历最大值
        a = 0
        # 利用