二阶多智能体领导跟随：动态静态一致性研究
多智能体协同控制里有个挺有意思的场景——一群小弟追着大哥跑。今天咱们就扒开这个领导跟随
模型的代码，看看这群智能体到底是怎么达成默契的。
先整点简单的，假设每个小弟都是二阶动力学模型（说白了就是速度和位置都会变）。系统方程长这
样：
```python
class Agent:
def __init__(self, leader=False):
self.position = np.random.randn(2) # 二维空间随便站
self.velocity = np.zeros(2)
self.is_leader = leader
def update(self, neighbors, alpha=0.5, beta=0.8, dt=0.1):
if self.is_leader:
return # 大哥不动如山
pos_diff = np.zeros_like(self.position)
vel_diff = np.zeros_like(self.velocity)
# 和邻居们比划比划
for neighbor in neighbors:
pos_diff += neighbor.position - self.position
vel_diff += neighbor.velocity - self.velocity
# 核心控制律上场
acceleration = alpha*pos_diff + beta*vel_diff
self.velocity += acceleration * dt
self.position += self.velocity * dt
```
这段代码藏着两个关键参数：α管位置耦合，β管速度同步。参数选大了容易集体抽风，选小了半天达
不成共识，这个度得拿捏好。
搞个实战场景，1个大哥带5个小弟。初始化时故意让小弟们站得七零八落：
```python
agents = [Agent(leader=True)] # 大哥坐标(0,0)
