自治智能体之群集分离、对齐、聚集

在自治智能体的实现过程中，我们给对象注入了生命。
个体一般会和其它个体一起存在，并且相互影响。因此，我i们的目的不仅仅是模拟个体的行为，还应该把小车放入一个由许多个体组成的系统中，让它们相互影响。

复杂系统的三个主要原则：

1. 个体之间存在小范围的联系。
2. 个体的动作是并行的。如每个个体都应该移动，并绘制它们的外形。
3. 系统在整体上会呈现一种自发现象。个体之间的交互会出现复杂行为和智能模式（蚁群、迁移、地震、雪花等）

群集有3个规则：

1. 分离（又叫“躲避”） ：避免与邻居发生碰撞
2. 对齐（又叫“复制”）：转向力的方向与邻居保持一致
3. 聚集（又叫“集中”）：朝着邻居的中心转向

分离算法：

 // 分离
  // 检查邻近对象并施加力的行为
  PVector separate (ArrayList<Boid> boids) {
    // 期望分离距离
    float desiredseparation = 25.0f; 
    PVector steer = new PVector(0,0,0);
    int count = 0;
    // 遍历
    for (Boid other : boids) {
      float d = PVector.dist(position,other.position);
      // 距离大于0且小于期望分离距离（距离为0为自己）
      if ((d > 0) && (d < desiredseparation)) {
        // 指向邻居的向量
        PVector diff = PVector.sub(position,other.position);
        // 向量归一化
        diff.normalize();
        // 向量的大小与距离成反比
        diff.div(d);   
        // 转向力叠加
        steer.add(diff);
        // 记录满足条件的对象数量
        count++;           
      }
    }
     若满足条件的对象存在
    //if (count > 0) {
    //  steer.div((float)count);
    //}

    if (steer.mag() > 0) {
      // Reynolds: 转向力 = 期望速度 - 当前速度
      steer.normalize();
      steer.mult(maxspeed);
      steer.sub(velocity);
      steer.limit(maxforce);
    }
    return steer;
  }

对齐算法：

// 对齐
  // 检查该对象附近的对象，计算平均速度
  PVector align (ArrayList<Boid> boids) {
    float neighbordist = 50;
    PVector sum = new PVector(0,0);
    int count = 0;
    for (Boid other : boids) {
      float d = PVector.dist(position,other.position);
      if ((d > 0) && (d <