基于 Taichi (现代 GGUI 后端) 开发的高性能 GPU 并行多物种集群（Boids）仿真器。本项目抛弃传统的圆形粒子渲染，创新性地采用动态三角形网格缓存（Triangle Mesh Buffering），通过每个粒子的速度矢量实时定向构造流线型箭头，并支持同物种聚合、对齐及全物种排斥的复杂涌现行为。
- 高性能 GPU 并行计算：利用 Taichi 的
@ti.kernel和矩阵向量算子，在 GPU 上单帧轻松支撑数千个粒子的邻域搜索与行为结算。 - 面向方位的三角形箭头拓扑渲染：
- 动态根据粒子速度矢量计算朝向（Heading）与正交副法线（Side）。
- 每个粒子当场生成 3 个顶点构成的箭头（尖端、左翼、右翼），通过
canvas.triangles高效灌入显存渲染，具备极佳的视觉方向性。
- 多物种群落生态 (Multi-Species Swarming)：
- 预设红、绿、蓝三种不同生态群落（Species）。
- 相同物种之间产生内聚力 (Cohesion) 与对齐力 (Alignment)；所有物种之间共享排斥力 (Separation)，形成逼真的群游、分流与追逐动态。
- 全功能 ImGui 交互面板：实时调节群体规模、行为权重、感知半径及箭头几何尺寸，并支持一键重洗（Re-shuffle）集群。
仿生群集行为（Craig Reynolds' Boids Algorithm）在本引擎中通过三个基础动力学算子实现：
- Cohesion (内聚)：引导同类粒子向邻域局部质心（Center of Mass）靠拢。
- Alignment (对齐)：调整自身速度趋向于同类邻域的平均速度。
- Separation (排斥)：防止粒子间距过近而产生近距离排斥反冲力（$\propto 1/dist^2$）。
- Boundary Reflection (边界硬碰撞)：二维边界墙壁反射，使粒子群永不丢失。
确保您的系统已安装 Python 以及支持 GPU 加速的硬件环境。
pip install taichi numpy将代码保存为 boids_simulator.py 并运行：
python boids_simulator.py启动程序后，左上角将弹出 Universe & Arrow Control 实时调参面板，支持动态调整：
- Global Simulation Scale：
Total Arrows (N)：实时调节激活的粒子总数（最高支持 3000 个静态预分配上限）。
- Steering Weights (行为权重)：
Cohesion (Intra)：同物种内聚权重。Alignment (Intra)：同物种对齐权重。Separation (All)：全物种排斥防撞权重。
- Perception & Spatial Radii (感知半径)：
Visual Radius：视线感知范围。Separation Radius：紧凑避障半径。
- Physics & Visuals (物理与视觉)：
Max Speed Limit：最大移动限速。Delta Time (dt)：时间步长。Arrow Scale：三角形箭头在屏幕上的绝对几何尺寸大小。Re-shuffle Swarm：一键重置所有粒子坐标与群落分布。
本项目基于 MIT License 开源协议。