智能机器人和无人车具有广阔的应用前景,路径规划作为其核心问题,引起了广泛关注。路径规划问题是在给定起点和终点的情况下,智能体通过各种限制条件比如障碍物等规划出一条最优路径。强化学习模仿人类的学习过程,通过探索环境所得的环境回报作为训练数据,自行训练,不再需要预先设定好的训练数据,适合作用于未知环境,适用于路径规划问题。强化学习在路径规划下的使用,已经取得了不错的效果,但是在实际使用中,由于环境可能较为复杂,对于算法的规划能力提出了挑战。传统强化学习算法在复杂场景下,运行结果并不理想。针对复杂场景下传统强化学习算法表现不理想的问题,提出了一种Sarsa算法的改进。通过分析强化学习算法表现差的原因,对传统强化学习算法使用了三种改进策略:首先,对经典Sarsa算法进行了改进,在Sarsa算法的基础上添加了一个新的Q-table,使用两个Q-table的协同作用来避免过估计,当选取动作时,根据两个Q-table的Q值和来决策最优动作,在每一次Q值更新阶段,两个Q-table交替更新,避免冲突,提高了算法路径规划能力;其次,针对可能会陷入的探索-利用困境,使用了阶段性贪婪策略,来平衡探索和利用的决策问题。在算法初期,智能体侧重于探索策略,在算法后期,智能体侧重于利用策略,在两个时期之后都会有数次迭代来验证算法的效果;最后,针对折扣因子的选择问题,本文提出了动态的折扣因子。在算法规划能力较差时,侧重于未来。在算法规划能力较强时,侧重于当前。为了确定改进算法的实际效果,本文构建了多种不同限制条件的场景来进行实验,实验结果表明,改进后的算法相比传统经典强化学习算法,都有明显的提升。