Ruins_LEE的博客

本文是使用 PyQt5 进行图形用户界面（GUI）开发的教程。作者因 MATLAB 设计 GUI 存在移植性、风格化和可读性差的问题，选择用 Python 的 PyQt5 开发。教程先介绍 PyQt5 安装，包括用 Conda 管理环境、安装 PyQt5 和 Qt Designer，以及在 VsCode 中配置；接着说明 UI 设计，如 .ui、.qrc 文件设计和 qss 样式设计；最后阐述逻辑设计，以卡尔曼滤波追踪导弹为例，涵盖主窗口初始化、界面设置、事件绑定、标志位管理、数据读取、公式显示、图标设置和

本文介绍了在LaTeX中生成图、表目录及缩略表的代码实现方法。针对中文学位论文的需求，作者通过自定义命令和宏包，解决了原生LaTeX在生成目录和缩略表时的不足。文章详细展示了如何通过修改.cls或.tex文件中的代码，生成符合中文格式的目录、插图目录和附表目录。此外，还介绍了如何使用glossaries宏包生成缩写表和术语表，并提供了具体的代码示例。通过这些方法，用户可以轻松实现符合中文论文格式要求的LaTeX文档排版。

贝叶斯博弈均衡解求解的推导过程记录。

使用MATLAB HL20 demo说明了FlightGear与MATLAB联合仿真，随后再说明如何使用外接飞行摇杆把操控指令输入到MATLAB，最后实现飞行摇杆操控FlightGear的飞行器。

用GPOPS求解一个月球探测器着陆最优控制问题。

这篇文档的主要目的是通过解决多级火箭上升最优控制问题，来说明eventgroup和path的功能。

用GPOPS求解一个刚体非对称航天器最优控制问题。

关于可复用火箭再入大气层的最优轨迹规划问题，没有写得很详细每个参数为什么这么取的原因，是我觉得现在大家都大概率不需要解决这个问题。所以诸如攻角、仰角、迎角之类的变量不去解释为什么要这么写。只是希望通过这样一系列的例子告诉大家GPOPS-II应该怎么使用的思路。动力学方程应该怎么写？性能指标应该怎么写？约束应该怎么写？猜测应该怎么写？画图怎么画？要被解决的问题是无限的，只有掌握了方法论，才能一法通时万法通。欢迎通过邮箱联系我：lordofdapanji@foxmail.com。

很多同学都在用GPOPS-II做轨迹优化，我在后台里也看见了许许多多的问题来问我。所以想写一个教程，把一些GPOPS-II的例子讲讲，从这些例子中教会如何使用GPOPS-II。这个教程会分成几个部分，前面几个部分会讲解GPOPS-II的官方案例。通过讲解这些官方案例，说明GPOPS-II的语法应该怎么写，会有什么样的trips。然后会给出一个总结，总结内容是关于使用GPOPS-II遇见不同问题时，有什么样共性的解决方法，以及各类针对性的解决方法。最后行有余力，给出一个如何调试BUG的教程。

我们在进行学术研究的时候，常常需要与人交流，或许是通过学术会议的形式，或许是通过研讨会的方式。限于物理距离的相隔，没有办法当面交流，更多是通过网络的方式进行交流。那么，通过电子邮件进行交流是比较常见的一种交流方式。但是，现代许多同学不会正确地通过电子邮件与人交流。

Typst是一种排版语言（可用于出版与学术写作的可编程标记语言），与LaTex和Word类似。两位德国的研究生感觉LaTex太臃肿了，安装包都要几个G，编译速度很慢，于是决定自己开发一种用于学术写作的编程语言，也就是Typst。真有意思。说自己“Just for fun”，然后开始开发自己的编程语言，免受LaTex臃肿运行的烦恼。来讲讲Typst的优点吧。编译快速。Typst使用Rust语言编写，这也是Typ(e+ru)st为什么叫Typst的原因，体量轻便。

这篇文章面向没有任何 LaTex 基础的小白，主要讲解了 LaTex 的安装和使用。读完文章之后，已经具备基础的 LaTex 文档编写能力，可以使用 LaTex 进行写作。

讨论了完全信息条件和不完全信息条件下库诺特（Cournot）模型的解法。以两个简单情况为例，给出相应 MATLAB 代码作为实现。

本文讲解如何使用 Python 驱动 STK。实际上要通过MATLAB作为媒介，先使用 Python 驱动 MATLAB，MATLAB 驱动 STK，这样间接地实现 Python 驱动 STK。

因为研究中要用到不完全信息动态博弈，所以研究了一下它，在B站上面找到了一个考研题针对不完全信息动态博弈的信号博弈模型进行求解，看完之后我记录下了自己的解题思考，防止自己忘记。

至此，便以给出性能指标、控制系统微分方程约束、边界约束和路径约束的数学描述。上述四部分完整定义了最优控制问题。求解最优控制问题，也就是求解在满足上述三大类约束条件下使性能指标最小的优化问题。

写这篇博客目的是自己在求解微分方程的时候，考虑到 `ode45()` 可能求解速度比较慢，想用一种快速一点的微分方程求解算法，又想到 `ode45()` 用的就是 Runge-Kutta （RK）算法，所以想是不是自己可以自己编写一个 RK 算法用来代替 `ode45()`。因为 MATLAB 的 `ode45()` 算法中可能存在较多的判断条件，这也许是让 `ode45()` 速度较慢的一个原因，而自己编写的 RK 算法省略了很多不必要的判断，也许会快一些。

本文介绍了伪谱法求解最优控制问题的原理，并给出相应的matlab代码实现。

介绍了多重打靶法求解最优控制问题的原理，并给出相应的matlab代码实现。

介绍了打靶法求解最优控制问题的原理，并以一个算例给出了matlab代码实现。

本篇文章给出最优控制问题的完整描述。最优控制问题可简述为：对于一个受控系统，在满足约束条件下，寻求最优的控制量使性能指标最小。

最优控制问题可以使用变分法来进行求解，当问题是有约束的最优控制问题时，可以采用极小值原理求解该最优控制问题。上述方法称为解析法。但是，一旦问题约束条件或目标函数复杂，使用解析法求解最优控制问题面临着极大困难，也有可能出现解析解难以求解的问题。为此，研究者将目光转向了数值解法。...............

这篇文档是一篇备忘文档。记录了我使用AnyLogic搭建智能体群，并用其验证Lanchester方程线性律和平方律的过程。

使用高斯伪谱法将最优控制问题转化为非线性规划问题，再用优化方法求解该非线性规划问题。求解器为GPOPS2。

古诺竞争模型（也称古诺模型）是早期的寡头垄断模型。它是法国经济学家古诺于1838年提出的。古诺竞争模型通常被作为寡头理论分析的出发点。古诺模型是一个只有两个寡头厂商的简单模型，该模型也被称为“双头模型”。古诺模型的结论可以很容易地推广到在三个或三个以上的寡头垄断厂商的情况中去。

利用差分的方法将连续域的（1）间瞄火力的Lanchester方程、（2）平方律的Lanchester方程和（3）考虑了信息对抗因素的Lanchester方程离散化，以得到战争双方的兵力损耗情况。最后给出了Python仿真代码。

介绍了PyQt5+Anaconda+PyCharm的安装、配置和使用。PyQt 5用于设计Ui。Anaconda用于配置环境。PyCharm用于写代码。

这篇文章摘抄自沙昌基教授《数理战术学》第六章 单兵种和多兵种作战的微分对策模型。并附上了自己思考。

使用PyGame实现了贪吃蛇小游戏。本文包含的内容包括（1）前期准备工作；（2）游戏开发；（3）游戏打包三部分内容。最后，提供了小游戏的源码、使用到的图片和音乐。

本文为《最优控制方法与Matlab实现》第八章 微分对策问题的实现。给出了文中例题的解法，以及matlab仿真代码，解题步骤和matlab均按照我习惯的方式给出。

本文总结自胡寿松教授的专著《最优控制理论与系统》第三章 极小值原理及其应用。文章中举的例题均用自己的方法写了一遍，没有依照书上的解法写。

这篇文章摘抄自沙昌基教授《数理战术学》第四章 多兵种直瞄武器交战的Lanchester方程。并附上了自己思考。

本文摘自沙昌基教授《数理战术学》第3章 单兵种直瞄武器交战的lanchester方程的第3节 留预备队。文中举了一个简单的数值例子，证明了战场上留预备队是一种好的策略。给出了Matlab仿真代码和数值模拟结果。

用Matlab实现了一下百度百科中关于Lanchester方程平方律的内容。

本文总结自胡寿松教授的专著《最优控制理论与系统》第二章 最优控制中的变分法。文章中举的例题均用自己的方法写了一遍，没有依照书上的解法写。