使用快速行进算法计算到一组点的距离图。 以恒定速度 T=1 求解二维 eikonal PDE。 它不是很通用，但非常适合学习。

多自主水下机器人(AUV)实时围捕是一个综合的研究课题,包括联盟生成和目标追捕等阶段.首先,基于快速行进算法(FMM)预估围捕时间,有效形成多AUV的动态围捕联盟;然后,在追捕阶段,AUV需要立即跟踪智能逃逸机器人以防止其逃跑.为了实现这一目标,在GBNN(Glasius biological inspired neural network)模型中使用反比例函数替换指数函数计算神经元连接权值,加入额外的衰减项,并提出两点加快神经元活性传播的改进措施,使其适用于实时追捕路径规划.仿真研究表明,围捕联盟形成机制和反比例权值GBNN模型实时路径规划策略都显示出其优越性.在水下环境的多AUV协作围捕中,所提出的围捕控制算法可以提高围捕效率,减少AUV所花费的追捕距离和逃逸机器人的逃逸距离.

快速行进算法（fast marching）完整的运行部分和函数输入变量的说明。采用了三种Fast Marching方法，包括传统的一阶fast marching方法、二阶msfm方法、和matlab工具箱方法。文档说明可参考博客：https://blog.csdn.net/lusongno1/article/details/88409735。