随着人工智能与自主系统技术的飞速发展，多智能体系统在智慧城市安防、无人系统监控、公共安全保障等领域的应用日益广泛。城市环境作为典型的动态复杂场景，包含密集建筑遮挡、多变交通流、光照条件波动、道路网络拓扑复杂等特征，给目标追踪任务带来天然挑战。流氓智能体作为具备自主决策能力、可能规避追踪、传播虚假信息或实施破坏行为的异常目标，其在城市中的隐蔽移动进一步加剧了追踪难度——与常规目标不同，流氓智能体可突

多无人机协同追捕-逃逸问题是多智能体动态博弈领域的核心研究方向，在军事防御、边境巡逻、灾难救援、敏感区域安防等场景中具有重要应用价值。传统集中式追捕策略依赖全局信息感知与统一决策调度，虽能实现一定程度的协同，但存在通信延迟、单点故障、抗干扰能力弱等固有缺陷，难以适配复杂动态环境的实际需求。分散式策略通过赋予每架追捕无人机局部感知与自主决策能力，仅依靠邻域信息实现协同追捕，有效弥补了集中式策略的不足

在现代半导体制造领域，光刻技术作为将电路图案转移到硅晶圆上的关键步骤，其精度和效率直接决定了芯片的性能和成本。随着特征尺寸的不断缩小，传统的光刻技术面临着物理极限和技术挑战。极紫外（EUV）光刻凭借其超短波长（13.5纳米），被认为是实现下一代集成电路的关键技术。然而，传统的掩模版 EUV 光刻由于掩模版制造成本高昂、缺陷敏感性以及掩模版传输的复杂性等问题，在大体积制造中面临一定的挑战。无掩模光刻

本文深入探讨了如何利用二维时域有限差分法（FDTD）模拟光在介质脊形波导中的传播。介质波导作为引导电磁波的关键光学结构，在现代光通信和集成光学领域扮演着至关重要的角色。FDTD 方法作为一种直接求解麦克斯韦方程组的强大的数值技术，尤其适用于分析复杂光学结构的电磁场分布和传播特性。本文首先回顾了FDTD方法的基本原理及其在电磁场模拟中的应用。接着，详细阐述了如何构建用于模拟介质脊形波导的二维FDTD

随着电力系统市场化改革的持续深化，市场竞争日趋白热化，传统电力市场决策方法（如线性规划、博弈论等）在应对高维状态空间、连续动作空间以及动态不确定的市场环境时，逐渐显现出决策效率低、适应性差等局限性。电力市场参与者（发电企业、售电公司、虚拟电厂等）需在实时电价波动、负荷变化、竞争对手策略调整等多重约束下，制定最优报价、发电计划或交易策略，以实现利润最大化等核心目标，这一过程亟需具备自学习与自适应能力

非线性动力学系统广泛存在于自然界与工程领域，从流体运动、气候演变到机器人控制、神经元放电，其复杂的非线性特性使得系统行为的预测、分析与控制成为长期以来的科学挑战。传统线性分析方法因无法捕捉非线性本质而失效，而非线性分析方法又普遍面临计算复杂度高、泛化能力弱、难以解析等瓶颈。1931年Bernard Koopman提出的Koopman算子理论，为突破这一困境提供了全新视角——通过将非线性动力学系统提

在数据驱动的智能时代，分类任务作为数据处理与分析的核心环节，广泛应用于故障诊断、信号识别、医疗影像分析、金融风控等诸多领域。随着应用场景的复杂化，原始数据呈现出高维度、非结构化、噪声干扰强等特征，对分类模型的特征提取能力与分类精度提出了更高要求。卷积神经网络（CNN）凭借局部连接、权值共享和空间采样的独特优势，具备强大的自动特征提取能力，能够从原始数据中挖掘深层语义信息，有效避免传统机器学习中复杂

非线性模型预测控制（Nonlinear Model Predictive Control, NMPC）凭借其对约束条件的灵活处理能力和对复杂非线性系统的优异控制性能，已广泛应用于工业过程、机器人控制、新能源等领域。然而，NMPC的在线求解需面对非线性规划（Nonlinear Programming, NLP）问题的强耦合性、非凸性以及实时性要求等核心挑战，限制了其在高速动态系统中的应用。本文针对N

同时定位与地图构建（SLAM）是自主移动机器人实现自主导航、环境感知与交互的核心技术，其核心目标是让机器人在未知环境中，通过自身传感器数据同时完成自身位姿估计与环境地图构建。扩展卡尔曼滤波器（EKF）因能有效处理非线性系统的状态估计问题，被广泛应用于SLAM系统（即EKF-SLAM），成为早期SLAM研究的主流框架。然而，EKF-SLAM在实际应用中普遍存在不一致性问题。

随着机器人技术、自动驾驶和虚拟现实等领域的飞速发展，路径规划已成为一个核心且关键的研究课题。传统的路径规划多集中于2D平面环境，然而，在更为复杂和真实的3D环境中进行高效、准确的路径规划，则面临着独特的挑战和机遇。本文将深入探讨在3D网格地图上进行路径规划的原理、方法、挑战与未来发展方向。我们将重点分析3D网格地图的构建与表示，并在此基础上详细阐述A*、RRT等经典算法在三维空间中的扩展与优化，同