【创意编程作业】《代码本色》第1章——向量

本文介绍了一种使用p5.js实现跟随鼠标移动并逐渐消亡的气泡效果,详细讲解了向量操作、气泡生命周期设计及代码实现过程。

Part1 实现效果以及扩展

在这里插入图片描述

Part2 向量

《代码本色》参考实例:
1、向量的减法(用于计算鼠标点和气泡位置的差值,得出加速度)
在这里插入图片描述
2、朝鼠标位置移动
在这里插入图片描述

Part3 跟随鼠标的消亡气泡

设计思路:
①在画布范围随机位置生成气泡,初速度一定范围内随机,加速度为0;
②气泡跟随鼠标位置移动,即新加速度=鼠标位置-气泡原本位置;
③给气泡生命周期,即让气泡颜色随帧数淡化;

Part4 代码展示

var movers = [];

function setup() {
    createCanvas(windowWidth, windowHeight);
    colorMode(HSB, 360, 100, 100, 300);
}

function draw() {
    background(0);

    movers.push(new Mover(createVector(random(width), random(height))));  
    
    for (var i = 0; i <movers.length; i++) { 
        movers[i].update();
        movers[i].display();
        if (movers[i].isDead()) {
            movers.splice(i, 1);         //如果气泡死亡,则从数组里移除该气泡
        }
    }
}

function Mover(pos) {
    var position = pos.copy();
    var velocity = createVector(random(-10, 10), random(-2, 2));
    var acceleration = createVector(0,0);
    var lifespan = 255;
    var H = random(360);
    var size = random(25, 50);
    var maxspeed=2.5;

    this.update = function() {
     	var mouse = createVector(mouseX,mouseY);
        acceleration = p5.Vector.sub(mouse,position);
        //acceleration.setMag(1);
        acceleration.normalize();
        acceleration.mult(0.2);
        velocity.add(acceleration);
        velocity.limit(maxspeed);
        position.add(velocity);
        lifespan -= 2;
    }

    this.display = function() {
        stroke(H, 90, 60, lifespan);
        strokeWeight(1);
        fill(H, 90, 50, lifespan);
        ellipse(position.x, position.y, size, size);
    }

    this.isDead = function() {
        if (lifespan < 0) {
            return true;
        } else {
            return false;
        }
    }
}
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值