[C&Py]三体运动模拟(改良版)

LuLuWuWei1120

之前做了一个简单的纯模拟三体运动（虽然还遗留了一些bug）。花了点时间，修复了bug，并加入了一些新功能。添加了csv日志系统，python绘图(基于csv日志文件)，简单的神经网络训练（自动生成dt）,自动dt（基于神经网络生成）。为分化职能，添加了DataFormatter格式化字符串，SimulationIO专门负责各种IO输入输出，以及一系列新增功能的配套文件，并且优化了ui表现。话不多说先看图。

纯ui

ui&blender界面

python绘图1

python绘图2

纯blender

csv数据2

csv数据1

以下是README.md文件

[C] 纯文本查看 复制代码

# 三体模拟器 (Three-Body Simulator)

C++17 三体问题物理模拟器，支持 TCP 数据导出、CSV 日志记录、日志可视化分析及 AI 自动调步。

## 功能特性

- **物理引擎**：支持 Euler、Verlet、RK4 等多种积分器
- **TCP 通信**：双端口架构
  - 12345 端口：发送位置数据到 Blender 可视化
  - 12346 端口：AI 自动调步通信（C++ 作为客户端连接到 Python AI 服务器）
- **CSV 日志**：记录每帧的位置、速度、加速度、能量、dt 等完整信息
- **日志可视化**：使用 matplotlib 绘制轨迹、能量、速度、dt 曲线
- **AI 自动调步**：使用 PyTorch 训练神经网络，自动调整时间步长 dt

## 项目架构

```
ThreeBody/
├── main.cpp                # 入口
├── CMakeLists.txt          # 构建脚本
├── README.md               # 本文件
├── run.sh                  # 一键启动脚本
├── blenderClient.py        # Blender 可视化客户端
│
├── utils/                  # 工具模块
│   ├── Vec3.h              # 三维向量
│   └── Config.h            # 配置参数
│
├── physics/                # 物理引擎
│   ├── Body.h/.cpp         # 天体数据
│   ├── PhysicsEngine.h/.cpp # 力计算与能量
│   └── Integrator.h/.cpp   # 数值积分器
│
├── sim/                    # 模拟核心
│   ├── Simulation.h/.cpp   # 模拟主循环
│   ├── SimulationIO.h/.cpp # TCP/CSV 导出管理
│   └── DataFormatter.h/.cpp # 数据格式化
│
├── tcp/                    # 网络通信
│   ├── TcpExporter.h/.cpp  # TCP 服务器导出（Blender 用）
│   └── TcpClient.h/.cpp    # TCP 客户端（AI 用）
│
├── log/                    # 日志模块
│   ├── CsvLogger.h/.cpp    # CSV 写入
│   └── StatusLog.h/.cpp    # 状态日志
│
├── ui/                     # 用户界面
│   └── UserInterface.h/.cpp # 交互菜单与启动配置
│
├── script/                 # Python 辅助脚本
│   ├── plot_csv.py         # CSV 日志绘图
│   ├── ai_server.py        # AI dt 推理服务
│   ├── train_model.py      # 模型训练
│   └── create_placeholder_model.py # 创建占位模型
│
└── models/                 # AI 模型文件
    └── auto_dt_model.pt    # AI 调步模型
```

## 依赖

### C++
- C++17 编译器 (gcc/clang)
- CMake >= 3.14
- Boost.Asio (header-only, 1.70+)

### Python 3 (日志分析与 AI 模式)
- pandas
- matplotlib
- PyTorch (仅 AI 模式需要)
- Blender 3.x (仅可视化需要)

#### 安装 Python 依赖
```bash
# 基础依赖
pip install pandas matplotlib

# PyTorch (CPU 版本，推荐)
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

# 或者如果你有 NVIDIA GPU
# pip install torch torchvision torchaudio
```

## 快速开始

### 1. 编译项目

```bash
mkdir -p build && cd build
cmake ..
make -j$(nproc)
cd ..
```

或者使用一键脚本（会自动编译）：
```bash
chmod +x run.sh
```

### 2. 生成占位 AI 模型（可选）

```bash
cd script
python create_placeholder_model.py
cd ..
```

这个模型会始终返回 dt=0.01，作为占位用。

### 3. 运行模拟

#### 方法 1：使用一键脚本（推荐）

```bash
# 完整模式（AI + Blender）
./run.sh

# 查看帮助
./run.sh --help
```

#### 方法 2：分步运行

**第一步**：启动 AI 服务器（新终端）
```bash
python script/ai_server.py
```

**第二步**：启动模拟器
```bash
cd build
./ThreeBody
```

**第三步**：在 Blender 中运行可视化（新终端打开 Blender）
```bash
blender
# 打开脚本标签，加载 blenderClient.py 并运行
```

## 使用说明

### 运行模拟器后，菜单选择

```
1. 随机模式 – 随机生成初始条件
2. 稳定模式 – 拉格朗日解、8字形解等已知稳定轨道
3. 自定义模式 – 手动输入每个天体的参数
4. 日志分析 – 选择已有 CSV 文件绘图
5. 退出
```

### 日志分析（CSV 绘图）

先运行模拟，生成 CSV 日志（自动保存在 `logs/`），然后：

```bash
# 在模拟器菜单选择 4
# 或者直接运行
python script/plot_csv.py logs/sim_202501011200.csv
```

生成的图像会保存到 `logs/plots/` 目录。

## AI 自动调步 (autoDt)

### 架构说明
- **C++ 端**：作为 TCP 客户端，连接到 127.0.0.1:12346
- **Python 端**：作为 TCP 服务器，监听 127.0.0.1:12346

### 通信协议
- **C++ → Python (每帧)**：一行 JSON 格式
  ```json
  {
    "dt": 0.01,
    "energy": -100.0,
    "bodies": [
      {"pos": [x, y, z], "vel": [x, y, z], "acc": [x, y, z]},
      ...
    ]
  }
  ```
- **Python → C++ (每帧响应)**：一行浮点数，例如 `0.015`

### 训练自定义模型

1. **收集数据**：运行模拟器，生成一些 CSV 日志
2. **训练模型**：
   ```bash
   cd script
   python train_model.py --csv ../logs/sim_*.csv --output ../models/auto_dt_model.pt --epochs 100
   ```
3. **重启 AI 服务器**：加载新模型
4. **运行模拟器**：使用新模型自动调整 dt

### 特征维度说明
- 输入维度：29 维
  - 2 维：当前 dt、系统能量
  - 27 维：3个天体 × (位置3维 + 速度3维 + 加速度3维)
- 输出维度：1 维，预测的 dt

## Blender 可视化

### 使用步骤
1. 打开 Blender
2. 切换到 Scripting 工作区
3. New 新建一个文本文件
4. 复制 `blenderClient.py` 内容，或直接用 Blender 打开该文件
5. 确保 C++ 模拟器正在运行（或已准备好）
6. 点击 Run Script 运行
7. 启动 C++ 模拟，球体会自动更新位置

### 注意事项
- Blender 是 TCP 客户端，连接到 C++ 的 12345 端口
- 三个球体分别用红、绿、蓝色表示
- 球体半径根据物理参数自动缩放

## 常见问题

### Q: 编译出错，找不到 Boost
A: 安装 Boost 库或使用系统包管理器
- Ubuntu/Debian: `sudo apt install libboost-all-dev`
- Fedora/CentOS: `sudo dnf install boost-devel`

### Q: 运行报错 "bind: Address already in use"
A: 关闭占用相关端口的进程
```bash
pkill -9 -f ThreeBody
pkill -9 -f ai_server
```

### Q: Blender 球体不移动
A: 检查连接顺序
1. 先启动 C++ 模拟器
2. 选择模式，初始化 TCP
3. 再在 Blender 中运行客户端脚本

### Q: AI 服务器提示找不到 torch
A: 安装 PyTorch，或使用虚拟环境

## 开发指南

### 项目结构说明
- **utils/**：基础工具类（Vec3、Config）
- **physics/**：物理引擎核心
- **sim/**：模拟控制和 IO
- **tcp/**：网络通信
- **ui/**：菜单和用户交互
- **log/**：日志处理

### 添加新功能

1. 添加新的积分器：在 `physics/Integrator.h/.cpp` 中继承并实现
2. 修改数据格式：在 `sim/DataFormatter.cpp` 中修改
3. 添加新的导出：继承或修改 `sim/SimulationIO`

## 许可证
本项目仅供学习和研究使用。

此次代码特意使用boost/asio网络库以确保跨平台性，但也因此需要额外配置asio库。此外，所需环境仅python,c/c++,pytorch以及可视化工具blender(只要以脚本模式打开blenderClient并运行即可)，ai和可视化部分并非一定需要，可在config中调整，（哪怕不调整）直接运行应该也可以。
理论上来说，linux环境下可以直接编译运行，为方便运行额外配置了run.sh文件。至于windows等其它平台，应该需要修改CMakeLists.txt文件才能输出可执行文件（丢给ai应该不难），至于run.sh有效性未知。

完整项目及代码在此处。(Ps:本人测试动量的时候忘记把源代码中碰撞系数调回来了，如果碰撞系数太低了以目前的模拟精度好像不太行，建议调成1.0)
完成后让ai生成了注释，README.md等文件，可读性应该不差。
不废话了，希望你能玩得开心。

ThreeBody.zip (1.8 MB, 下载次数: 18)

2026-5-4 19:19 上传

点击文件名下载附件
完整代码

qianjin88

三体人还有多久到达地球

LuLuWuWei1120

tiantangniaone3 发表于 2026-5-4 21:43
拯救三体，拯救地球

如果真能这样发展也算一段佳话了。

Tsuki0402

三体游戏来了

LuLuWuWei1120

qianjin88 发表于 2026-5-4 19:37
三体人还有多久到达地球

三体人和我说‘你们是虫子’，虫子不配知道 ETA。

yk85221478

虽然没看懂，但是我占楼！~~~

tiantangniaone3

拯救三体，拯救地球

LuLuWuWei1120

yk85221478 发表于 2026-5-4 21:19
虽然没看懂，但是我占楼！~~~

拿个电脑，直接把上面的源代码丢给ai（比如trae)，ai应该就能教你运行来玩玩了。拿手机的termux应该也可以，不过可视化部分和ai部分可能要关掉，只能看终端信息，csv文件和python生成的图片。

Bluesky10

感谢您的分享，让我受益良多

zhangyiyang

牛啊牛啊