主要有两个步骤：
-
使用并查集+破圈法创建随机迷宫
-
使用DQN进行训练
这样做的好处是：此算法框架对于任意M*N的迷宫都是适用的！
比如本例子中的4X4、4X5、5X4、5X5、5X6、6X5、6X6，使用的都是同一套environment、algorithm、agent、model， 甚至学习率、经验池大小、batchSize等等超参数都相同。若要训练更大的迷宫，则可微调超参数，或者增加神经网络的深度与宽度。
平均奖励的学习曲线:
4*4迷宫:
4*5迷宫:
5*4迷宫:
5*5迷宫:
5*6迷宫:
6*5迷宫:
6*6迷宫:
