Q-LEARNING 最后得到的一个图寻路最佳路径；---直接转化为图关于多顶点深度遍历热度传递
V(level+1) = 0.8 * Max(Vi(level)) 这个方法可以在O时间收敛
原方法Q-LEARNING需要大量的POINT随机出一个数据， 对于大矩阵，前期会有大量的0单元，浪费计算