用于验证攻防决策项目所用到的几种集群围捕算法 这个项目实现了一个基于人工势场法（Artificial Potential Field, APF）和模型预测控制（Model Predictive Control, MPC）的多智能体追捕仿真系统。该系统模拟了多个追捕者（pursuers）围捕一个逃避者（evader）的场景。 主要特点 多智能体系统：包含多个追捕者和一个逃避者。
人工势场法（APF）：用于智能体之间的避碰和对墙壁的避让。
模型预测控制（MPC）：优化追捕者的运动轨迹。
虚拟目标点：通过虚拟目标点的分配来协调多个追捕者的行为。
匈牙利算法：用于追捕者与虚拟目标点的最优分配。
动态体力条系统：逃避者的健康值会随着被包围的程度而降低。
自适应行为：逃避者具有躲避追捕者和墙壁的能力。
技术细节 智能体初始化：在正方形区域内随机初始化所有智能体的位置。
追捕者控制：使用 MPC 和 APF 结合的方法来控制追捕者的运动，通过虚拟目标点来协调多个追捕者的行为，使用匈牙利算法进行追捕者与虚拟目标点的最优分配。
逃避者控制：具有目标导向的运动模式，通过 APF 方法实现对墙壁和追捕者的避让。
环境交互：实现了周期性边界条件，考虑了墙壁斥力，防止智能体撞墙。
基础类多目标围捕算法：APF,A_star,Voronoi
