moos-ivp-marineswarm 使用moos-ivp的海洋群应用程序库（SM工作库）-当前仅用于编队控制行为和相关的基础结构。 见论文： 有关更多信息，请参见Wiki：

MMS是一个针对航海系统的Matlab仿真包，包括舰船模型、水下设备模型和漂浮建筑物模型，同时还包括GNC模块。提供一些关于GNC的基本库和系统例子，库模块包括：包括一些运动学和动力学函数和时域内的GNC应用仿真的Matlab文件；包括设备模型，操纵模型和动力学仿真的Matlab文件；包括一些用户可编辑的设备仿真和控制Matlab文件；包括用于海洋设备和控制系统的动态仿真Simulink工具包。Simulink库中包括设备模型、自动驾驶、DP控制模型、滤波、导航系统和执行机构模型等。如果要使用MSS GNC工具包，请参考下面网址：www.marinecontrol.org.

R 数据集包含 63,701 条活动船舶的记录。 船舶按类型（例如，油轮、货船、客船等）、它们的标识符（IMO 和 MMSI 编号、呼号）、建造年份、总吨位和净吨位、载重吨位、吃水和船舶尺寸（长度和梁）。

Handbook of Marine Craft Hydrodynamics and Motion Control.rar

海洋捕食者算法 (MPA) 是一种受自然启发的优化算法，它遵循自然支配最佳觅食策略的规则，并在海洋生态系统中遇到捕食者和猎物之间的速率策略。 针对29个测试功能，CEC-BC-2017测试套件，随机生成的景观，三个工程基准以及两个在通风和建筑节能方面的实际工程设计问题，对MPA的性能进行了评估。 将MPA与三类现有的优化方法进行比较，其中包括：1）GA和PSO是研究最深入的元启发式算法； 2）GSA，CS和SSA是最近开发的算法； 3）CMA-ES，SHADE和LSHADE-cnEpSin高性能优化器和IEEE CEC竞赛的获胜者。 在所有方法中，与LSHADE-cnEpSin相比，MPA获得了第二名，并表现出极具竞争力的结果，LSHADE-cnEpSin是表现最好的方法，并且是CEC 2017竞赛的获胜者之一。 统计事后分析表明，MPA 可以被提名为高性能优化器，是明显优于 GA、P

很炫酷的屏保

海洋系统模拟器 (MSS) 是一个用于海洋系统的 Matlab 和 Simulink 库。 它包括船舶、水下航行器和浮动结构的水动力模型。 该库还包含用于实时仿真的引导、导航和控制 (GNC) 块。 算法和方法描述于： TI福森（2021）。 船舶流体动力学和运动控制手册。 第二。 版，威利。 ISBN-13：978-1119575054

matlab有些代码不运行海洋捕食者算法 这是用MATLAB编写的Marine Predators Algorithm的源代码。 海洋捕食者算法（MPA）是一种自然启发式的优化算法，它遵循在海洋生态系统中的最佳觅食策略和捕食者与被捕食者之间的比率策略中自然支配的规则。 Lévy策略是在捕食者稀少的环境中寻找食物时在海洋捕食者（例如鲨鱼，金枪鱼，水貂）中广泛使用的一种模式，但是当在猎物丰富的地区觅食时，该模式通常转换为布朗运动[1]。 捕食者与被捕食者之间的生物相互作用中的最佳遭遇率策略还取决于每个捕食者/被捕食者所采取的运动类型以及被捕食者与被捕食者之间的速度比[2]。 以下重点概述了海洋捕食者中最佳觅食，相互作用和记忆的治理策略： 海洋捕食者使用Lévy策略应对猎物集中度低的环境，而布朗捕食者则对猎物丰富的区域采用布朗运动。 他们在穿越不同栖息地的一生中表现出相同比例的列维和布朗运动。 由于自然（涡流形成）或人为（FAD）等环境影响，它们改变了行为方式，希望找到猎物分布不同的区域。 在低速比（v = 0.1）下，捕食者的最佳策略是列维； 猎物正在布朗或勒维移动； 在单位速度比（v\n=

submarine_2D_Game

海洋机器人方面的书，由海洋机器人顶级专家Thor I. Fossen编写。