拍卖算法：Astar算法：Dijkstra；BFS；DFS

BFS：优先考虑深度小的节点和波形搜索方法。找到的第一条路是最短的路径。 实现简单 能找到最优解 耗时 遍历的点多
DFS: 优先考虑深度大的节点，可以快速获得一条路径，但往往找不到最佳路径。 实现简单 很可能不是最优解 耗费时间
Dijkstra: 基于图论。使用广度优先搜索算法 通过权重和最小路径，从一个顶点到另一个顶点
Astar：减少搜索范围 复杂度降低 本质上，深度优先考虑搜索算法 这是一种启发性的搜索算法，它不仅记录了从起点到当前节点的实际成本，而且还记录了从当前节点到目标节点的期望成本 有许多信息需要记录。
Ad Hoc特点：
自组织：各节点遵循自组织原则相互协调
多跳性：利用多跳性实现广泛的网络通信
拓扑结构动态：节点实时变化
网络结构多样性：分布式控制 提升鲁棒性
单向通信链路：复杂的地形因素
信道资源有限：受干扰等影响 带宽小于理论带宽
节点能源有限： 电池能量有限 内存小
安全性差：分布式 每个节点都可能受到攻击
十个独立等级：
高可靠工作：
遥引导 自检实时故障 故障自修复 机载航路重规划
优质工作：
多机位协同 多机战术重规划 多机战术目标
集体优质服务：
分布式控制 群体战略目标 全自主集群
第一层级 运动信息 轨迹信息
第二 运动 轨迹 位置
第三 姿态信息
三级以上要求:独立信息环 非自主信息环 权限信息环
独立表达是行为方式，决定某种行为
智能是个体有目的的行为 合理的思维 以及该行为的综合能力
自主在前智能在后 两者相辅相成
自主不一定智能，自主希望智能
智能依赖于自主 智力的高低取决于独立的水平
自然智能理论：直接研究智能陈胜的工作机制
人工只能理论：使用人工手段对智能进行模拟 延伸和扩展
BOID 基于三维运动体的启发 提出了一个简单的生物群模型 提出可 聚集分离的概念 但与真实情况有一定差距
Vicesk: 介绍了一种新的简单模型，用于解释非平衡系统中生物群体的转化、运输和聚集 认为运动个体的速度不变，但速度方向是周围六局个体速度方向的平均水平 然而，生物群体对个体的影响尚未澄清。
Cousin: 提出了吸引区排斥区 跟随区的概念 为生物体的有效决策和领导提供了新的观点 它包括生物个体对群体的影响 但生物个体之间的动力学影响尚未确定
A star:

1. 将起点添加到开始列表中
2. 重复以下操作
   a. 在开启列表中找到估计成本f的最小值作为当前格
   b. 将他切换到关闭列表中
   c,对目前的8个邻居做以下操作
   c1.如果他不能到达，他已经在关闭列表中跳过了 否则
   C2. 如果他没有打开列表，就添加他，并以当前格子作为父节点激励他fgh值
   c3. 如果已经在打开列表中，最好用G值来判断新路径是否更好。如果G较小，则酒吧格子的父节点作为当前节点重新计算fgh值并排序
   d.停止
   d1.如果目标点已经在关闭列表中找到
   d2.没有找到目标点 列表已变空 未找到路径
3. 从目标格子出发，沿着父节点找到初始节点，这是一条路径
   生物智能到无人机集群
   1.编队控制 仿鸽群优化 使用地图个指南针算子 地标算子 收敛性高 均值好
   2.密切控制编队 引入过渡因子和捕食逃逸
   捕食鸽子接近自己center 趋近猎物的gbest
   逃跑鸽子：逃离最近的捕食者 趋近自己gbest 趋近自己的center
   3.仿雁群优化 局部平衡点将寻找中间点
   3.分配仿狼猎物 模仿狼的目标分配
   程序参数：表示方向同步的程序
   收敛时间 所有个体达到方向同步的速度
   稳态统计参数：系统抗干扰能力
   写公式
   鸽群优化
   过度因子 和捕食逃逸
   拍卖算法：
   1.个人对目标的评价关系表
   2.目标价格和利润
   3.对增值项$\xi$设置
   竞争价格=最大利润-次大利润 先前价格 $\xi$
   无人系统的共同点：
   机动性高 安全系数高 异构体可以形成 维护成本低
   不同点:自主能力不同: 携带不同的传感器 不同的执行任务
   一致性协议：
   控制目标
   离散系统
   有领导者
   线性定常
   时变系统