11.

11.md

@@ -146,3 +146,92 @@ class Simulation:
 +   `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。
+
+## 11.5 没有差异
+
+在我们运行模拟之前，我们必须指定`choose_dead`和`choose_replacements`的行为。 我们将从这些函数的简单版本开始，它们不依赖于适应性：
+
+```py
+# class Simulation
+
+     def choose_dead(self, fits):
+        n = len(self.agents)
+        is_dead = np.random.random(n) < 0.1
+        index_dead = np.nonzero(is_dead)[0]
+        return index_dead
+
+    def choose_replacements(self, n, fits):
+        agents = np.random.choice(self.agents, size=n, replace=True)
+        replacements = [agent.copy() for agent in agents]
+        return replacements
+```
+
+在`choose_dead`中，`n`是智能体的数量，`is_dead`是一个布尔数组，对于此时间步骤内死亡的智能体为`True`。 在这个版本中，每个智能体都有相同的死亡概率：0.1。 `choose_dead`使用`np.nonzero`来查找`is_dead`的非零元素的索引（`True`被视为非零）。
+
+在`choose_replacements`中，`n`是在此时间步骤中复制的智能体数量。 它使用`np.random.choice`带替换地选择`n`个智能体。 然后它在每个上调用`copy`，并返回一个新的`Agent`对象列表。
+
+这些方法不依赖于适应性，所以这种模拟没有生存或繁殖差异。 因此，我们不应期待看到进化。 但是，我们怎么辨别呢？
+
+## 11.6 进化的证据
+
+进化的最具包容性的定义是，种群中基因型分布的变化。 进化是一种聚合效应：换句话说，个体不会进化；但种群会。
+
+在这个模拟中，基因型是高维空间中的位置，因此很难将其分布中的变化可视化。 但是，如果基因型改变，我们预计它们的适应性也会改变。 所以我们将将适应性分布的变化用作进化的证据。 具体来说，我们将看看种群中适应性的均值和标准差。
+
+在我们运行模拟之前，我们必须添加一个`Instrument`，它是在每个时间步骤后更新的对象，计算一个感兴趣的统计量，并将结果存储在一个序列中，我们稍后可以绘制它。
+
+这是所有仪器的父类：
+
+```py
+class Instrument:
+    def __init__(self):
+        self.metrics = []
+```
+
+下面是`MeanFitness`的定义，`MeanFitness`是一个仪器，计算每个时间步的种群平均适应性：
+
+```py
+
+class MeanFitness(Instrument):
+    def update(self, sim):
+        mean = np.nanmean(sim.get_fitnesses())
+        self.metrics.append(mean)
+```
+
+现在我们准备好运行模拟了。 为了最小化起始种群中随机变化的影响，我们使用同一组智能体启动每个模拟。 为了确保我们探索整个适应性景观，我们由每个位置的一个智能体开始。 以下是创建模拟的代码：
+
+```py
+N = 8
+fit_land = FitnessLandscape(N)
+agents = make_all_agents(fit_land, Agent)
+sim = Simulation(fit_land, agents)
+```
+
+`make_all_agents`为每个位置创建一个智能体； 本章的实现在笔记本中。
+
+现在我们可以创建并添加`MeanFitness`仪器，运行模拟并绘制结果：
+
+```py
+instrument = MeanFitness()
+sim.add_instrument(instrument)
+sim.run()
+sim.plot(0)
+```
+
+模拟维护了`Instrument`对象列表。 在每个时间步之后，它在列表中的每个仪器上调用`update`。
+
+模拟运行后，我们使用`Simulation.plot`绘制结果，它接受索引作为参数，使用索引从列表中选择一个`Instrument`并绘制结果。 在这个例子中，只有一个`Instrument`，索引为 0。
+
+![](img/11-1.png)
+
+图 11.1：随着时间的推移，10 次模拟的平均适应性，没有生存或繁殖差异
+
+图？显示了运行这个模拟 10 次的结果。 种群的平均适应性随机移动。 由于适应性的分布随时间变化，我们推断表现型的分布也在变化。 按照最具包容性的定义，这种随机游走是一种进化。 但它不是一个特别有趣的类型。
+
+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。