Q-Learning强化学习对战Demo产品系统

强化学习算法入门学习场景，缺少轻量化的演示案例，该项目用来直观展示Q-Learning训练逻辑，帮助理解智能体试错学习、迭代优化决策的原理。

实现简易回合制对战环境，内置Q-Learning算法，智能体通过不断对局更新Q表，自主探索最优行动策略；可以观察训练过程，输出训练日志，结构简单清晰，适合用来学习强化学习基础原理。

独立完成环境搭建、Q-Learning算法编写与训练调试。使用Python实现对战交互环境，设计Q表更新规则，调节学习率与奖励机制，输出训练日志，直观展示智能体的自主学习过程。