Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
think-comp-2e-zh
提交
9349493c
T
think-comp-2e-zh
项目概览
OpenDocCN
/
think-comp-2e-zh
8 个月 前同步成功
通知
0
Star
16
Fork
7
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
T
think-comp-2e-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
9349493c
编写于
4月 13, 2018
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
11.
上级
9f8187b5
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
69 addition
and
0 deletion
+69
-0
11.md
11.md
+69
-0
未找到文件。
11.md
浏览文件 @
9349493c
...
...
@@ -77,3 +77,72 @@ zero_values = [0.4, 0.7, 0.9]
这种情况下,
`loc = [0, 1, 0]`
的适应性是
`[0.4, 0.2, 0.9]`
的均值,为 0.5。
## 11.3 智能体
接下来我们需要智能体,这是类定义:
```
py
class
Agent
:
def
__init__
(
self
,
loc
,
fit_land
):
self
.
loc
=
loc
self
.
fit_land
=
fit_land
self
.
fitness
=
fit_land
.
fitness
(
self
.
loc
)
def
copy
(
self
):
return
Agent
(
self
.
loc
,
self
.
fit_land
)
```
智能体的属性是:
`loc`
:智能体在适应性景观中的位置。
`fit_land`
:
`FitnessLandscape`
对象的引用。
`fitness`
:智能体在
`FitnessLandscape`
中的适应性,表示为 0 到 1 之间的数字。
`Agent`
的这个定义提供了一种简单的
`copy`
方法,可以精确复制基因型;之后,我们将看到一个带有突变的版本,但突变对于进化来说不是必需的。
## 11.4 模拟
现在我们有了智能体和适应性景观,我将定义一个名为
`Simulation`
的类,用于模拟智能体的创建,繁殖和死亡。 为了避免陷入困境,我将在这里提供一个简化版本的代码;你可以在本章的笔记本上看到细节。
这是
`Simulation`
的定义:
```
py
class
Simulation
:
def
__init__
(
self
,
fit_land
,
agents
):
self
.
fit_land
=
fit_land
self
.
agents
=
agents
```
`Simulation`
的属性是:
+
`fit_land`
:
`FitnessLandscape`
对象的引用。
+
`agents`
:
`Agent`
对象的数组。
`Simulation`
中最重要的函数是
`step`
,它模拟了单个时间步骤:
```
py
# class Simulation:
def
step
(
self
):
n
=
len
(
self
.
agents
)
fits
=
self
.
get_fitnesses
()
# see who dies
index_dead
=
self
.
choose_dead
(
fits
)
num_dead
=
len
(
index_dead
)
# replace the dead with copies of the living
replacements
=
self
.
choose_replacements
(
num_dead
,
fits
)
self
.
agents
[
index_dead
]
=
replacements
```
在每个时间步骤中,一些智能体死亡,一些智能体繁殖。
`step`
使用另外三个方法:
+
`get_fitnesses`
返回一个数组,包含每个智能体的适应性,按照它们在智能体数组中出现的顺序。
+
`choose_dead`
决定哪些智能体在此时间步中死亡,并返回一个数组,包含死亡智能体的索引。
+
`choose_replacements`
决定哪些智能体在此时间步中繁殖,在每个智能体上调用
`copy`
,并返回一个新的
`Agent`
对象的数组。
在这个版本的模拟中,每个时间步中新智能体的数量等于死亡智能体的数量,所以活动智能体的数量是恒定的。
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录