11.

11.md

@@ -6,7 +6,7 @@
 
 尽管如此，许多人并不相信进化论。在皮尤研究中心进行的一项调查中，被调查者被问到，以下哪些断言更贴近他们的观点：
 
-+   人类和其他生物随着时间的推移而进化。
++   人类和其他生物随时间而进化。
 +   起初，人类和其他生物就以其现在的形式存在。
 
 约有 34% 的美国人选择了第二个（见 <http://www.thearda.com/Archive/Files/Codebooks/RELLAND14_CB.asp>）。
@@ -29,13 +29,13 @@
 
 我将从一个简单的模型开始，演示一种基本的进化形式。 根据该理论，以下特征足以产生进化：
 
-+   复制者：我们需要一批能够以某种方式复制的智能体。 我们将以复制者开始，它们生成它们自己的完美的副本。 稍后我们将添加不完美的副本，即变异。
-+   变异：我们还需要一些总体中的变化，也就是个体之间的差异。
++   复制者：我们需要一批能够以某种方式复制的智能体。 我们将以复制者开始，它们生成它们自己的完美的副本。 稍后我们将添加不完美的副本，即突变。
++   突变：我们还需要一些总体中的变化，也就是个体之间的差异。
 +   生存和繁殖差异：个体之间的差异必须影响其生存或繁殖的能力。
 
 为了模拟这些特征，我们将定义智能体种群，智能体代表个体。 每个智能体都有遗传信息，称为基因型，这是智能体繁殖时复制的信息。 在我们的模型 1 中，基因型由`N`个二进制数字（零和一）的序列表示，其中`N`是我们选择的参数。
 
-为了产生变异，我们创建了具有多种基因型的种群；稍后我们将探讨创造或增加变异的机制。
+为了产生突变，我们创建了具有多种基因型的种群；稍后我们将探讨创造或增加突变的机制。
 
 最后，为了产生生存和繁殖差异，我们定义了一个函数，将每个基因型映射为一个适应度，其中适应度是一个数量，有关智能体的生存或繁殖能力。
 
@@ -231,7 +231,97 @@ sim.plot(0)
 特别是，这种进化并不能解释生物物种如何随时间变化，或者如何出现新的物种。 进化论是强大的，因为它解释了我们在自然界看到的似乎无法解释的现象：
 
 +   适应性：物种与其环境的相互作用似乎太复杂，太巧妙，并且偶然发生。 自然系统的许多特征看起来好像是设计出来的。
-+   增加的多样性：随着时间的推移，地球上的物种数量普遍增加（尽管有几个时期的大规模灭绝）。
++   增加的多样性：地球上的物种数量随时间而普遍增加（尽管有几个时期的大规模灭绝）。
 +   增加的复杂性：地球上的生命史起始于相对简单的生命形式，后来在地质记录中出现了更复杂的生物体。
 
 这些是我们想要解释的现象。 到目前为止，我们的模型并没有完成这个任务。
+
+## 11.7 生存差异
+
+让我们再添加一种成分，生存差异。 以下是继承`Simulation`并覆盖`choose_dead`的类的定义：
+
+```py
+
+class SimWithDiffSurvival(Simulation):
+
+    def choose_dead(self, fits):
+        n = len(self.agents)
+        is_dead = np.random.random(n) > fits
+        index_dead = np.nonzero(is_dead)[0]
+        return index_dead
+```
+
+现在生存的概率取决于适应性；事实上，在这个版本中，智能体在每个时间步骤中幸存的概率是其适应性。
+
+由于适应性低的智能体更有可能死亡，因此适应性高的智能体更有可能生存足够长的时间来繁殖。 我们预计适应性低的智能体的数量会随时间而减少，适应性高的智能体的数量会增加。
+
+![](img/11-2.png)
+
+图 11.2：随着时间的推移，10 次模拟中的适应性均值，带有生存差异
+
+图？显示了随着时间的推移，10 次模拟中的适应性均值，带有生存差异。 平均适应性起初会迅速增加，但会逐渐平稳。
+
+你或许可以弄清楚为什么它会平稳：如果在特定位置只有一个智能体并且它死了，它就会使这个位置变空。没有突变，就没有办法让它再次被占领。
+
+在`N = 8`的情况下，该模拟以 256 个智能体开始，它们占用了所有可能位置。 占用位置的数量随时间而减少；如果模拟运行时间足够长，最终所有智能体将占用相同的位置。
+
+所以这个模拟开始解释适应性：增加的适应性意味着，物种在它的环境中生存得更好。 但是占用位置的数量随时间而减少，所以这个模型根本无法解释增加的多样性。
+
+在本章的笔记本中，你将看到差异化繁殖的效果。 正如你所预料的那样，差异化繁殖也会增加平均适应性。但没有突变，我们仍然没有看到增加的多样性。
+
+## 11.8 突变
+
+在目前的模拟中，我们以可能的最大多样性开始 - 在景观的每个位置都有一个智能体 - 并以可能的最小多样性结束，所有智能体都在一个位置。
+
+这与自然界发生的情况几乎相反，它显然以单个物种开始，这种物种随时间而分化为今天的地球上数百万甚至数十亿物种（见 <https://en.wikipedia.org/wiki/Global_biodiversity>）。
+
+使用我们模型的完美复制，我们从未看到增加的多样性。 但是如果我们加上突变，再加上生存和繁殖差异，我们距离理解自然界的进化就更近了一步。
+
+以下是继承`Agent`并覆盖`copy`的类定义：
+
+```py
+class Mutant(Agent):
+
+    prob_mutate = 0.05
+
+    def copy(self):
+        if np.random.random() > self.prob_mutate:
+            loc = self.loc.copy()
+        else:
+            direction = np.random.randint(self.fit_land.N)
+            loc = self.mutate(direction)
+        return Mutant(loc, self.fit_land)
+```
+
+在这种突变模型中，每次我们调用`copy`时，都有 5% 的突变机会。 在突变的情况下，我们从当前位置选择一个随机方向 - 即基因型中的一个随机位 - 并翻转它。 这是`mutate`：
+
+```py
+    def mutate(self, direction):
+        new_loc = self.loc.copy()
+        new_loc[direction] ^= 1
+        return new_loc
+```
+
+运算符`^=`计算“异或”；操作数 1 具有翻转一位的效果（请参阅 <https://en.wikipedia.org/wiki/Exclusive_or#Bitwise_operation>）。
+
+现在我们有了突变，我们不必在每个位置都放置一个智能体。 相反，我们可以以最小变化开始：所有智能体在同一位置。
+
+![](img/11-3.png)
+
+图 11.3：随着时间的推移，10 次模拟中的适应性均值，带有突变、生存繁殖差异
+
+图？显示了 10 次模拟的结果，带有突变和生存繁殖差异。 在任何情况下，种群都会向最大适应性的位置进化。
+
+![](img/11-4.png)
+
+图 11.4：随着时间的推移，10 次模拟的占用位置的数量，带有突变和生存繁殖差异。
+
+为了测量种群的多样性，我们可以绘制每个时间步后占用位置的数量。 图？展示了结果。 我们以同一地点的 100 个智能体开始。 随着突变的发生，占用位置的数量迅速增加。
+
+当智能体发现适应性高的位置时，它更有可能生存和繁殖。 适应性较低的位置上的智能体最终消失。 种群在整个景观中随时间而移动，直到大多数智能体处于适合性最高的位置。
+
+此时，系统达到平衡，突变以相同的速率占据新的位置，生存差异导致适合性低的位置清空。
+
+平衡中的占用位置的数量，取决于突变率和生存差异的程度。 在这些模拟中，任何点处的独特占用位置的数量通常为 10-20。
+
+重要的是要记住，这个模型中的智能体不会移动，就像生物体的基因型没有改变一样。 当智能体死亡时，它可能会留下一个空位。 当发生突变时，它可以占据一个新的位置。 当智能体从某些地方消失并出现在其他地方时，种群会在景观中移动，就像生命游戏中的滑翔机一样。 但生命体不会进化；但种群可以。