拍卖算法：Astar算法：Dijkstra；BFS；DFS

BFS：优先搜索深度小的节点，呈现波状的搜索方式，找到的第一条路经就是在最短路径。 实现简单 可以找到最优解 耗时 遍历的点多
DFS: 优先搜索深度大的节点，可以快速的得到一条路径，但找到的往往不是最优路径。 实现简单 很有可能不是最优解 耗费时间
Dijkstra: 建立在图论之上。使用广度优先搜索算法 解决了从一个顶点到另一个顶点做经过权重和最小的一条路径
Astar：减小了搜索范围 降低了复杂度 实质上是深度优先搜索算法 是一种启发式的搜索算法，不但记录了起始点到当前节点的实际代价，还记录了当前节点到目标节点的期望代价，当遍历的点多时 需要记录的信息多。
Ad Hoc特点：
自组织性：各个节点遵循自组织性原则相互协调
多跳性：使用多跳性实现大范围网络通信
拓扑结构动态性：节点在实时变化
网络结构多样性：分布式控制 提升鲁棒性
通信链路单向性：复杂地形因素
信道资源有限性：受干扰等影响 带宽小于理论带宽
节点能源有限性： 电池能源有限 内存小
较差的安全性：分布式 每个节点都可能受到攻击
十个自主等级：
高可靠的工作:
遥引导 实时故障自检测 故障自修复 机载航路重规划
高品质的工作：
多机位协同 多机战术重规划 多机战术目标
为集体高质量的服务：
分布式控制 机群战略目标 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
三个层级以上需要：自主信息环 非自主信息环 权限信息环
自主表达的是行为方式，自身决策某种行为
智能是个体有目的的行为 合理的思维 以及实施该行为的综合能力
自主在前智能在后 二者相辅相成
自主未必智能在自主希望有智能
智能依赖自主 智能的高低取决于自主的高低
自然智能理论：对智能的陈胜工作机制等进行直接研究
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 提出了一种简单的生物群体模型 提出可 聚集分离对其的概念 但与真实情况有一定的差距
Vicesk: 介绍了一种新的简单模型用来解释非平衡系统中生物群体的转变运输聚集等现象 认为运动个体速度大小不变但速度方向是周围六局个体速度方向的平均 但并没有阐明生物群体对个体产生的影响
Cousin: 提出了吸引区排斥区 跟随区的概念 为生物体有效的决策和领导提供了新观点 包含了生物个体对群体产生的影响 但没有辨明生物个体之间的动力学影响
A star:

1. 把起始点加到开启列表中
2. 重复下面操作
   a. 寻找开启列表中估量代价f最小的值，作为当前格
   b. 把他切换到关闭列表中
   c,对当前个的8个邻居做如下操作
   c1.如果他不可达到活已经在关闭列表中，略过 否则
   C2. 如果他不在开启列表中，就把他添加进去，并以当前格子为父节点激励fgh值
   c3. 如果已经在开启列表中，那么用G值来判断新的路径是否更好，如果G更小则是，酒吧该格子的父节点作为当前节点重新计算fgh值并进行排序
   d.停止
   d1.如果目标点已经在关闭列表中则被找到
   d2.没有找到目标点 列表已经变空 路径没有找到
3. 从目标格子出发沿着父节点找到初始节点此时就是一条路径
   生物体智能到无人机集群
   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.紧密编队控制 引入过渡因子和捕食逃逸
   捕食鸽子：趋近自己的center 趋近猎物的gbest
   逃逸鸽子：逃避最近的捕食者 趋近自己gbest 趋近自己的center
   3.仿雁群优化 局部平衡点会寻找中间点进行过度
   3.仿狼群猎物分配 仿造狼群的进行目标分配
   序参量：表示方向同步的程序
   收敛时间 所有个体达到方向同步的快慢
   稳态统计序参量:系统抗干扰的能力
   写公式
   鸽群优化
   过度因子 和捕食逃逸
   拍卖算法：
   1.个体对目标的评价关系表
   2.目标价格与利润
   3.对增值项$\xi$设置
   竞争价格=最大利润-次大利润+先前价格+$\xi$
   无人系统共同点：
   机动性高 安全系数高 可以组成异构体 维护成本低
   不同点：自主能力不同 携带传感器不同 执行任务不同
   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