在无人机集群巡检、无人车编队运输、机器人协同搜救等场景中，多智能体系统正展现出单智能体无法比拟的高效性与鲁棒性。而领导者编队控制作为多智能体协同的核心技术，通过明确 “领导者 - 跟随者” 角色分工，既能保证编队整体有序移动，又能灵活应对动态环境变化。本文将深入解析多智能体领导者编队的控制逻辑、协调机制及关键技术，带你走进智能体协同的 “指挥系统”。一、多智能体编队：从 “个体” 到 “群体” 的

在热传导物理与数值计算领域，3D 热传导方程是描述三维物体温度随时间变化的核心模型 —— 从食品加工（如鸡蛋烹饪）到材料热处理（如金属淬火），其数值求解均具有重要工程价值。本文聚焦 “鸡蛋烹饪的温度演化” 这一具体场景，基于 MATLAB 实现 3D 热传导方程的求解，通过欧拉法（Euler Method）计算 3D 网格中每一点的温度变化，同时解析代码逻辑、参数设置与结果可视化，还将关联 1D/

在分布式能源渗透率持续提升的背景下，光伏（PV）发电的间歇性与随机性给配电网安全经济运行带来挑战，储能系统（ESS）的协同配置成为关键解决方案。IEEE33 节点配电网作为典型的辐射状配电系统，包含 33 个节点、32 条支路，额定电压 12.66kV，总有功负荷 3.715MW、无功负荷 2.300Mvar，其节点负荷分布与网络拓扑特性为分布式光伏储能配置提供了标准化测试场景。

在无人机集群巡检、无人车编队运输、机器人协同搜救等场景中，多智能体系统正展现出单智能体无法比拟的高效性与鲁棒性。而领导者编队控制作为多智能体协同的核心技术，通过明确 “领导者 - 跟随者” 角色分工，既能保证编队整体有序移动，又能灵活应对动态环境变化。本文将深入解析多智能体领导者编队的控制逻辑、协调机制及关键技术，带你走进智能体协同的 “指挥系统”。一、多智能体编队：从 “个体” 到 “群体” 的

深度学习预测模型的性能高度依赖超参数的合理配置，传统超参数选择方法（如网格搜索、随机搜索）存在效率低下、易陷入局部最优、泛化能力不足等问题，难以满足复杂场景下的预测需求。针对这一痛点，本文提出一种基于鲸鱼优化算法（Whale Optimization Algorithm, WOA）优化卷积神经网络-长短期记忆网络（CNN-LSTM）混合预测模型超参数的方法，构建WOA-CNN-LSTM预测模型。首

本文创新首发一种基于LEA（Learning Enhancement Algorithm，学习增强算法）优化的卷积神经网络（CNN）回归预测模型——LEA-CNN，系首次将LEA算法与CNN网络深度融合应用于回归预测任务，具备鲜明的技术创新性、先用先发优势，可作为各类回归预测场景的对比算法，为深度学习回归任务提供全新的优化思路与技术方案。

针对移动机器人的实时导航和避障设计了基于人工势场的控制算法,用该算法控制移动机器人能在未知的环境中,实时检测出障碍物,并实时规划出合理路径,稳定,平滑连续地向目标行驶,给出了机器人行驶的实验结果.通过小车车体方位计算确定了避障方法-人工势场法,即目标位置对移动机器人产生一种虚拟的吸引力,而障碍物对机器人产生一种虚拟的排斥力,这两种力的合成就决定了移动机器人的运动.通过对处于静态环境下的小车的路径进

基于粒子群算法的移动机器人路径规划,通过建立目标函数,变换坐标等对环境建模,再引入粒子群优化算法,得到全局最优路径.MATLAB仿真结果显示,此方法可有效地解决空间作业机器人路径规划及避障问题.与传统遗传算法比,该法建模容易,计算快捷,可以在不同的障碍物环境下得到不同的优化轨迹。路径规划是移动机器人导航中最重要的任务之一。路径规划技术是移动机器 人研究领域中的一个重要分支。

通过栅格法建立栅格地图作为机器人路径规划的工作环境,采用麻雀算法作为机器人路径搜索的规则。将所有机器人放置于初始位置,经过NC次无碰撞迭代运动找到最优路径,到达目标位置。为防止机器人在路径搜索过程中没有达到最大迭代次时路径大小已不发生变化而陷入局部最优,则通过对各路径上的信息素进行增减来使机器人路径搜索跳出当前值,继续搜索,直到迭代完毕,获得最优路径。麻雀搜索算法的思想来自于麻雀种群的觅食行为和反

在现代仓储物流领域，订单履行的效率和准确性至关重要。Kiva 式移动机器人系统因其高度自动化和灵活性，成为提高订单履行效率的有效解决方案。然而，多机器人在有限的仓储空间内协同工作，容易产生路径冲突。Conflict - based Search（CBS）多机器人路径规划算法专门用于解决多机器人路径规划中的冲突问题，能够优化机器人的路径，提高订单履行系统的整体性能。Kiva 式移动机器人订单履行系统