随着世界经济总量的不断攀升,海上运输蓬勃发展,船舶数量也日益增多,随之船舶发生碰撞的可能性加大。因此,船舶避碰仍旧是船舶研究方向的热点问题之一。目前船舶避碰研究仍有许多问题还未解决,如《国际海上避碰规则》考虑不充分,未考虑船舶操纵性对避让效果的影响,避碰算法计算量较大无法实时给出避碰决策,算法的稳定性差以及多船避碰策略不合理等问题。本文针对已存在的问题,选择与模型无关且实时性良好的Q-Learning算法,并考虑船舶避碰问题自身的特点,从避碰规则、转向角度以及规划效率等方面优化船舶避碰路径,在不同会遇局面下进行两船和多船避碰仿真,规划出一条符合避碰规则且安全、经济的船舶避碰路线,主要的研究工作如下:（1）首先,分析国内外船舶避碰的研究现状,介绍了船舶避碰的基本理论,如船舶避碰的一般过程、船舶会遇态势、船舶领域、船舶运动参数和碰撞危险度。通过蚂蚁算法,粒子群算法和Q-Learning算法对比,因Q-Learning算法无需环境建模,并且算法具有计算简单,实时性良好等优点,本文最终选择Q-Learning算法作为主要研究方法。（2）其次,针对Q-Learning算法中探索-利用概率值固定的问题,选择模拟退火算法,将退火函数与Q值结合设定新的探索-利用概率值,使概率值在学习期间缓慢平稳的下降,从而解决探索与利用冲突的问题;为加快算法的收敛性,将启发函数与动作策略相结合,共同指导动作的选择;为保证较大环境规模下智能体实时提供避碰决策,将Q-Learning算法与Dyna框架结合,利用模拟样本数据更新值函数,加快学习速率,保证实时性;考虑船舶避碰问题自身的特点,将海上避碰规则进行量化,并在Q-Learning算法的回报函数中增加航行规则、转向幅度、安全性和经济性等函数,以满足避碰路径的要求。（3）通过PyCharm平台进行船舶避碰仿真。两船避碰仿真中,分别在对遇、追越和交叉相遇这三种会遇局面下验证设计方案的有效性,规划出一条符合避碰规则的安全经济的避碰路径。在多船避碰路径仿真中,以三船为例,在三种典型会遇局面下分别进行仿真,仿真结果验证了研究方法的可行性。