复杂动态空间协同优化系统：基于粒子群优化（PSO）的多智能体三维路径规划
- ⚡ Numba JIT 底层计算加速：针对海量空间状态数据的动态推演，全面弃用原生 Python 低效循环。利用
Numba (@njit)装饰器将碰撞检测、时间离散化与向量投影等核心逻辑编译为底层机器码，使复杂多智能体寻优计算的吞吐量提升百倍以上。 - 🌌 3D 空间数据建模与点云生成：纯手工实现三维圆柱体真目标点云生成（Point Cloud Generation），基于空间解析几何与向量点乘构建精确的动态视野遮挡检测模型。
- 🧠 高维全局优化（40维参数空间）：自主编写面向对象的 PSO 算法引擎。针对多智能体协同导致的巨大解空间，创新性提出 “分而治之（Divide and Conquer） + 分层高斯噪声扰动” 的初始化策略，有效克服算法在高维连续空间中的局部最优陷阱。
- 📊 纯 Numpy 向量化矩阵推演：将空间坐标、速度、加速度等物理量全部转化为矩阵运算，实现高度工程化的代码架构。
.
├── question1.py # 核心环境建模：3D目标点云生成、运动学推演、几何遮挡判定
├── question2.py # 基础优化（4维空间）：单机拦截单目标，基础 PSO 算法实现
├── question3.py # 进阶优化（8维空间）：单机拦截多目标，引入连续投放时序约束
├── question4.py # 多机协同（12维空间）：多机拦截单目标，设计多智能体协同约束
├── question5.py # 极限挑战（40维空间）：5机拦截3目标，分而治之与高斯加噪初始化策略
├── init_data.py # 数据预处理与子模块前置计算引擎
├── test.py # 3D 空间轨迹可视化分析脚本（Matplotlib 3D）
└── README.md # 项目说明文档