这门课以 Python/PyQt6 打造的 Q-learning 迷宫可视化项目为主线，把强化学习中抽象的状态、动作、奖励、Q 表、R 表变成看得见、点得动的交互过程。你将亲手绘制迷宫、设置奖励、启动训练，观察智能体如何一步步学会选择最优路径；也能修改环境、阻断道路，重新训练后看策略如何变化。课程重点讲清 R 表中 -100、-1、100 的含义，Q 表更新公式，以及学习率、折扣因子和最大 Q 值决策的作用，并说明最大步数限制如何防止死循环。它适合强化学习零基础入门者、想用 PyQt6 做可视化练手的 Python 学习者，以及准备深入深度强化学习和 PyTorch 的人。学完后，你能运行并操作完整案例，理解训练—决策—重置流程，建立对强化学习的直观认知，为后续神经网络和深度强化学习打下基础。