1.1.
什么是低空经济？——国家战略新兴产业解读
选修
1.2.
无人机物流真实案例：美团外卖、顺丰丰鸟、Zipline医疗配送
选修
1.3.
项目分层目标（初中：实现Dijkstra+可视化 / 高中：A*+多约束 / 大学：遗传算法+动态障碍）
选修
1.4.
项目最终演示：在地图上设置5个收货点，自动规划最短路径并模拟飞行
选修
1.5.
开发环境搭建（Python + Pygame + Matplotlib + numpy）
选修
1.6.
图论基础知识铺垫：节点、边、权重、邻接矩阵
选修
2.
ython基础衔接：网格地图与鼠标交互
选修
2.1.
Pygame绘制网格：双重循环绘制矩形、设置不同颜色
选修
2.2.
鼠标事件处理：获取点击坐标，转换为网格索引
选修
2.3.
实现地图编辑器：左键添加“快递点”（绿色）、右键添加“禁飞区”（红色）、中键添加“仓库”（蓝色）
选修
2.4.
数据存储：使用二维数组（list of list）存储每个格子的类型（0空地，1快递点，2禁飞区，3仓库）
选修
2.5.
保存/加载地图：JSON格式序列化
选修
2.6.
实战：手动绘制一张包含5个快递点、3个禁飞区的地图
选修
3.1.
算法思想：贪心 + 松弛操作，保证找到最短路径
选修
3.2.
数据结构：优先队列（heapq）实现待探索节点集合
选修
3.3.
距离初始化：起点为0，其余为无穷大
选修
3.4.
核心代码实现：while循环，弹出最小距离节点，更新邻居
选修
3.5.
路径回溯：记录每个节点的前驱节点，从终点回溯到起点
选修
3.6.
可视化：在网格上高亮显示Dijkstra找到的路径（红色方块）
选修
4.1.
Dijkstra的缺点：盲目探索所有方向，效率低
选修
4.2.
A*核心：引入启发函数f(n)=g(n)+h(n)
选修
4.3.
启发函数选择：曼哈顿距离 vs 欧氏距离 vs 对角线距离
选修
4.4.
A*代码实现：与Dijkstra的区别在于优先队列排序依据改为f值
选修
4.5.
对比实验：在同一张地图上运行Dijkstra和A，比较探索节点数量和耗时
选修
4.6.
可视化探索过程：用不同颜色标记已探索节点（灰色），展示A如何“直奔目标”
选修
5.
多目标路径规划（单个快递点 → 仓库）
选修
5.1.
问题：无人机从仓库出发，送完一个快递后需返回仓库充电/取货
选修
5.2.
转化为单源最短路径问题：仓库到快递点A的最短路径
选修
5.3.
实现“往返路径”：去程路径 + 返程路径（反向）
选修
5.4.
考虑单向禁飞区：某些区域允许从上往下飞但不允许从下往上
选修
5.5.
显示路径长度（米）：假设每个格子边长100米，计算总里程
选修
5.6.
实战：规划从仓库到快递点A的往返路径，并显示总里程
选修
6.
多快递点配送：旅行商问题（TSP）简化
选修
6.1.
问题：无人机需一次性配送多个快递点，如何排序使总路径最短？
选修
6.2.
计算所有点对之间的最短路径（调用A*算法）
选修
6.3.
构建距离矩阵：6×6矩阵（仓库+5个快递点）
选修
6.4.
暴力枚举（点数≤8时可行）：使用itertools.permutations生成所有排列，计算总距离
选修
6.5.
最近邻启发式算法（点数>8时）：从仓库出发，每次都去最近的未访问点
选修
6.6.
可视化：在网格上依次显示配送顺序（1→2→3→4→5）
选修
7.1.
电池续航限制：最大航程5000米，超出的配送方案不可行
选修
7.2.
实现电量检查：在计算TSP路径后，检查每段航程是否超出剩余电量
选修
7.3.
若超出则提示“需要中途换电”，建议在中间快递点设立换电站
选修
7.4.
载重限制：无人机最大载重5kg，每个快递包裹重量1-3kg随机
选修
7.5.
超重处理：提示“分两次配送”，并自动拆分为多个任务
选修
7.6.
可视化：在路径上用颜色标注电量耗尽点（红色X）
选修
8.1.
VPython入门：创建三维场景、添加长方体建筑、球体代表无人机
选修
8.2.
将2D网格转换为3D坐标：x=列索引，z=行索引，y=高度
选修
8.3.
禁飞区表示为红色半透明立方体，快递点为金色球体
选修
8.4.
路径动画：无人机沿规划路径移动，旋转面向方向
选修
8.5.
添加高度变化：避开禁飞区时自动升高（y坐标变化）
选修
8.6.
录制动画：使用screen recorder或VPython自带导出功能
选修
9.1.
为什么需要遗传算法？——当快递点数量>15时，暴力枚举不可行
选修
9.2.
染色体编码：用一个列表表示配送顺序（如[3,1,4,2]）
选修
9.3.
适应度函数：路径总距离的倒数（越短适应度越高）
选修
9.4.
选择操作：轮盘赌选择适应度高的个体
选修
9.5.
交叉操作：顺序交叉（OX）保留子路径
选修
9.7.
迭代进化：展示每代最优适应度的收敛曲线
选修
9.8.
实战：求解20个随机快递点的近似最优路径
选修
10.1.
动态障碍物：其他无人机或临时禁飞区（随时间变化）
选修
10.2.
实现动态重规划：每5秒检测一次，若原路径被阻塞则重新运行A*
选修
10.3.
多无人机协同：2架无人机同时配送，避免碰撞
选修
10.4.
简单协同策略：划分区域（无人机A负责左半区，B负责右半区）
选修
10.5.
冲突检测：若两架无人机即将进入同一格点，优先级高的先过，低的等待
选修
10.6.
可视化：用不同颜色无人机（红、蓝）显示各自路径
选修
11.1.
导出最优路径为CSV：包含每一步的坐标、距离、剩余电量
选修
11.2.
生成报告：总配送距离、总耗时、电量利用率、禁飞区绕行次数
选修
11.3.
算法性能对比：Dijkstra vs A* vs 遗传算法在不同地图大小下的耗时
选修
11.4.
绘制性能曲线图：地图规模（节点数）vs 运行时间（秒）
选修
11.5.
导出为PDF报告：供综评材料提交
选修
11.6.
分层适配：初中仅导出CSV / 高中生成简单报告 / 大学完整性能分析
选修
12.1.
演示场景1：城市配送（高密度禁飞区，展示绕行能力）
选修
12.2.
演示场景2：山区配送（地形起伏，3D视角展示高度变化）
选修
12.3.
演示场景3：紧急医疗配送（时间最短优先，而非距离最短）
选修
12.4.
答辩问题准备：为什么选择A*而不是Dijkstra？如何处理动态禁飞区？
选修
12.5.
拓展方向1：接入真实地图API（高德/百度）获取真实道路和禁飞区
选修
12.6.
拓展方向2：与无人机仿真软件（AirSim）联动，控制虚拟无人机飞行
选修
