近年来，使用自组织群体机器人进行目标搜索和诱捕受到越来越多的关注，但是这些系统的控制设计仍然是一个挑战。
在本文中，我们提出了一种由细菌趋化性启发的群体机器人的分散控制算法，用于目标搜索和诱集。
首先，根据机器人在目标区域中的初始位置建立局部坐标系。
然后将目标区域划分为Voronoi细胞。
初始化后，成群的机器人在目标定义的梯度信息的指导下，开始执行由建议的细菌趋化性算法驱动的目标搜索和捕获任务。
仿真结果证明了该算法的有效性及其对意外机器人故障的鲁棒性。
与其他常用的群体机器人分布式控制方法相比，我们的仿真结果表明细菌趋化算法对局部最优的脆弱性较小，计算效率较高。

C#编写，可生成点、线、面加权voronoi图，这是库文件源码！效果图博客可见。

学GIS的可以看看，手工添加点自动建立delaunay三角网和voronoi图

本实例实现了通过不断点击画布动态生成voronoi图的操作

LibNoise分形噪声函数库的JAVA翻译版，个人开发，仅供参考。
包中包含：异常模块:noise.Exceptionnoise.ExceptionInvalidParam无效的参数异常。
noise.ExceptionNoModule无模块异常，无法检索到该源模块noise.ExceptionOutOfMemorynoise.ExceptionUnknown模型模块：noise.model.Line线noise.model.Plane平面noise.model.Sphere球体noise.model.Cylinder圆柱发生器模块：noise.module.Perlin培林噪声 noise.module.RidgedMulti脊多重分形噪声noise.module.Billow巨浪 value=|perlin_value|*2-1.0;noise.module.Voronoi细胞噪声,Voronoi图noise.module.Const常量 value=const;noise.module.Cylinders圆柱noise.module.Checkerboard棋盘格 value=(floor(x)&1^floor(y)&1^floor(z)&1)!=0?-1.0:1.0;noise.module.Spheres球体选择器模块：noise.module.Select选择noise.module.Blend混合 value=((1.0-(modules[3].value+1)/2)*modules[0].value)+((modules[3].value+1)/2*modules[1].value);修饰器模块：noise.module.Invert倒置 value=-value;noise.module.Abs绝对值 value=|value|;noise.module.Clamp截取 value=(valueupperBound?upperBound:value);lowerBound:下截取值;upperBound:上截取值noise.module.Curve曲线 value=noise.module.Curve.ControlPoint控制点noise.module.ScaleBias偏移缩放， value=value*scale+offsetnoise.module.Turbulence湍流 value=modules[0].getValue(x+modules[1].value*power,y+modules[2].value*power,z+modules[3].value*power);noise.module.Exponent指数 value=(pow(abs((value+1.0)/2.0),exponent)*2.0-1.0);组合模块：noise.module.Add添加 value=modules[0].value+modules[1].value;noise.module.Max最大值 value=max(value);noise.module.Min最小值 value=min(value);noise.module.Multiply乘法 value=modules[0].value*modules[1].value;noise.module.Power权重 value=pow(modules[0].value,modules[1].value);变压模块：noise.module.Displace位移替换，扭曲value=modules[0].getValue(x+modules[1].value,y+modules[2].value,z+modules[3].value);noise.module.RotatePoint点旋转noise.module.ScalePoint点缩放,轴缩放 value=modules[0].getValue(x*xScale,y*yScale,z*zScale);noise.module.Terrace露台，梯台noise.mod

使用Mapinfo中Voronoi算法自动生成LAC或BSC等边界图

分治法盘算Voronoi图

#国度集训队论文列表（1999-2019）___点击目录快捷跳转：___-_国度集训队论文列表（1999-2019）_*[_1999_](#1999)*[_2000_](#2000)*[_2001_](#2001)*[_2002_](#2002)*[_2003_](#2003)*[_2004_](#2004)*[_2005_](#2005)*[_2006_](#2006)*[_2007_](#2007)*[_2008_](#2008)*[_2009_](#2009)*_2010～2012：组委会停息论文辩说名目_*[_2013_](#2013)*[_2014_](#2014)*[_2015_](#2015)*[_2016_](#2016)*[_2017_](#2017)*[_2018_](#2018)*[_2019_](#2019)-_论文分类汇总（1999-2009）_*[组合数学](#组合数学)+[计数与统计](#计数与统计)+[数位下场](#数位下场)+[动态统计](#动态统计)+[博弈](#博弈)+[母函数](#母函数)+[拟阵](#拟阵)+[线性方案](#线性方案)+[置换群](#置换群)+[问答交互](#问答交互)+[猜数下场](#猜数下场)*[数据结构](#数据结构)+[数据结构](#数据结构-1)+[结构松散](#结构松散)+[块状链表](#块状链表)+[动态树](#动态树)+[左偏树](#左偏树)+[跳表](#跳表)+[SBT](#sbt)+[线段树](#线段树)+[干燥队列](#干燥队列)+[哈希表](#哈希表)+[Splay](#splay)*[图论](#图论)+[图论](#图论-1)+[模子建树](#模子建树)+[收集流](#收集流)+[最短路](#最短路)+[欧拉路](#欧拉路)+[差分解放体系](#差分解放体系)+[平面图](#平面图)+[2-SAT](#2-sat)+[最小天生树](#最小天生树)+[二分图](#二分图)+[Voronoi图](#voronoi图)+[偶图](#偶图)*[树](#树)+[树](#树-1)+[路途下场](#路途下场)+[迩来人民祖先](#迩来人民祖先)+[松散下场](#松散下场)*[数论](#数论)+[欧多少里患上算法](#欧多少里患上算法)+[同余方程](#同余方程)*[搜查](#搜查)+[搜查](#搜查-1)+[开辟式](#开辟式)+[优化](#优化)*[背包下场](#背包下场)*[匹配](#匹配)*[概率](#概率)+[概率](#概率-1)+[数学期望](#数学期望)*[字符串](#字符串)+[字符串](#字符串-1)+[多串匹配](#多串匹配)+[后缀数组](#后缀数组)+[字符串匹配](#字符串匹配)*[动态方案](#动态方案)+[动态方案](#动态方案-1)+[外形收缩](#外形收缩)+[外形方案](#外形方案)+[树形DP](#树形dp)+[优化](#优化-1)*[盘算若干](#盘算若干)+[平面若干](#平面若干)+[盘算若干脑子](#盘算若干脑子)+[圆](#圆)+[半平面交](#半平面交)*[矩阵](#矩阵)+[矩阵](#矩阵-1)+[高斯消元](#高斯消元)*[数学方式](#数学方式)+[数学脑子](#数学脑子)+[数学演绎法](#数学演绎法)+[多项式](#多项式)+[数形松散](#数形松散)+[黄金联系](#黄金联系)*[其余算法](#其余算法)+[遗传算法](#遗传算法)+[信息论]

全面引见了Delaunay三角剖分及其对偶图-Voronoi图的相关技术，并且给出了Delaunay三角剖分可视化应用的一些实例。

基于栅格算法，以欧氏距离变换为基础，完成了点、线、面等任意图形的加权voronoi图生成。
相关论文地址http://www.cnki.com.cn/Article/CJFDTOTAL-LZTX201201025.htm

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。