swarm-foraging-qlearn

用Q学习让一群智能体在动态网格里学会找吃的

这是一个基于Q-Learning的多智能体集群觅食仿真项目，运行在动态网格环境中。它模拟了多个自主智能体在未知环境中协同寻找食物资源的过程，核心解决的是多智能体强化学习中的探索-利用权衡、动态环境适应以及协同决策问题。项目提供了可视化的仿真界面，用户可以通过HTML页面直观观察智能体的学习行为和集群策略演化。其核心能力包括：实现Q-Learning算法用于个体决策，支持多智能体协同，能够处理环境动态变化（如食物位置变动），并记录学习过程中的奖励曲线。项目适合作为强化学习教学演示、集群智能研究基线以及算法对比实验平台。

开源 free 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 120

维护状态活跃

是否开源是

定价模式 free

项目数据

分类智能体

开发团队jaimasih05-commits

所属国家

官网地址

GitHubhttps://github.com/jaimasih05-commits/swarm-foraging-qlearn

定价模式free

价格说明开源项目，无在线服务，需自行部署，完全免费。

访问状态

是否开源是

开源协议

主要语言HTML

技术栈/模型ai-simulation,artificial-intelligence,autonomous-agents,decision-making,dynamic-environments,exploration-exploitation,gridworld,intelligent-agent,machine-learning,multi-agent-systems,python,q-learning,reinforcement-learning,reward-based-learning,rl-algorithms,simulation,swarm-intelligence

GitHub 星标★ 120

30天Star增速

HF 下载量

上线时间2026-06-28 00:00:00

最近更新2026-09-24 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

可视化界面直观展示多智能体觅食过程，便于理解强化学习行为
基于Q-Learning的经典算法实现，适合作为多智能体RL入门基线
支持动态环境变化，能模拟真实场景中的资源移动问题

不足之处

Q-Learning在高维状态空间下扩展性有限，难以应对复杂任务
文档/社区待观察

适用场景

强化学习教学实验，演示Q-Learning在多智能体场景的应用
集群智能算法研究，对比不同探索策略的效果
动态资源分配仿真，模拟物流或机器人觅食任务

替代项目

PettingZoo、Multi-Agent Particle Environment (MPE)、GridWorld RL

项目介绍

swarm-foraging-qlearn 是智能体领域的开源项目，由 jaimasih05-commits 开发，是 2026 年新上线的项目。

它收录于智能体分类，该分类目前共有 2,499 个项目，GitHub 星标数为 119。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-21。无在线服务，需自行部署，完全免费。

它主要面向的使用场景是：强化学习教学实验，演示Q-Learning在多智能体场景的应用。同类可对比的替代方案包括 PettingZoo、Multi-Agent Particle Environment (MPE)、GridWorld RL。

上一篇：a2a-net

下一篇：planning-with-files