9.

9.md

@@ -18,7 +18,7 @@
 
 1971 年，托马斯谢（Thomas Schelling）发表了《隔离的动态模型》（Dynamic Models of Segregation），该模型提出了种族隔离的简单模型。 谢林模型的世界是一个网格；每个细胞代表一栋房子。 房屋被两种智能体占用，标记为红色和蓝色，数量大致相同。 大约 10% 的房屋是空的。
 
-在任何时候，智能体可能会高兴或不高兴，这取决于领域中的其他智能体，每个房屋的“邻居”是八个相邻细胞的集合。在一个版本的模型中，如果智能体至少有两个像他们一样的邻居，代理人会高兴，但如果是一个或零，他们就会不高兴。
+在任何时候，智能体可能会高兴或不高兴，这取决于领域中的其他智能体，每个房屋的“邻居”是八个相邻细胞的集合。在一个版本的模型中，如果智能体至少有两个像他们一样的邻居，智能体会高兴，但如果是一个或零，他们就会不高兴。
 
 模拟的过程是，随机选择一个智能体并检查他们是否高兴。 如果是这样，没有任何事情发生。如果不是，智能体随机选择其中一个未占用的细胞并移动。
 
@@ -46,7 +46,7 @@ class Schelling(Cell2D):
         self.array = np.random.choice(choices, (n, m), p=probs)
 ```
 
-参数`n`和`m`是网格的维度，`p`是相似邻居比例的阈值。 例如，如果`p = 0.5`，也就是其邻居中少于 50% 为相同颜色，则代理将不高兴。
+参数`n`和`m`是网格的维度，`p`是相似邻居比例的阈值。 例如，如果`p = 0.5`，也就是其邻居中少于 50% 为相同颜色，则智能体将不高兴。
 
 `array`是 NumPy 数组，其中每个细胞如果为空，则为 0；如果由红色智能体占用，则为1；如果由蓝色智能体占用，则为 2。 最初，10% 的细胞是空的，45% 为红色和 45% 为蓝色。
 
@@ -206,11 +206,11 @@ np.sum(frac_same) / np.sum(occupied)
 +   智能体在 4 个罗盘方向的每一个方向上调查`k`个细胞，其中`k`是智能体的视野范围。
 +   它选择糖分最多的未占用的细胞。 在相等的情况下，选择较近的细胞；在距离相同的细胞中，它随机选择。
 +   智能体移动到选定的细胞并收获糖分，将收获增加到其积累的财富并将细胞清空。
-+   智能体根据代谢消耗其财富的一部分。 如果结果总量为负数，代理人“饿死”并被删除。
++   智能体根据代谢消耗其财富的一部分。 如果结果总量为负数，智能体“饿死”并被删除。
 
-在所有智能体完成这些步骤之后，细胞变回一些糖，通常为 1 单位，但每个细胞中的总糖分受其容量限制。
+在所有智能体完成这些步骤之后，细胞恢复一些糖，通常为 1 单位，但每个细胞中的总糖分受其容量限制。
 
-图？（中）显示两步后模型的状态。 大多数智能体正在移到糖最多的地区。 视力高的代理移动速度最快；视力低的智能体往往会卡在高原上，随机游走，直到它们足够接近来看到下一个水平。
+图？（中）显示两步后模型的状态。 大多数智能体正在移到糖最多的地区。 视力高的智能体移动速度最快；视力低的智能体往往会卡在高原上，随机游走，直到它们足够接近来看到下一个水平。
 
 出生在糖分最少的地区的智能体可能会饿死，除非他们的视力很好，先天条件也很高。
 
@@ -245,3 +245,86 @@ np.sum(frac_same) / np.sum(occupied)
 在对数刻度上，分布的形状类似于高斯或正态分布，但右尾被截断。 如果它在对数刻度上实际上是正态的，则分布是对数正态分布，这是一种重尾分布。 实际上，几乎每个国家和全世界的财富分布都是重尾分布。
 
 如果说糖域解释了为什么财富分布是重尾的，但是糖域变化中的不平等的普遍性表明，不平等是许多经济体的特征，甚至是非常简单的经济体。 一些实验表明避免或减轻并不容易，它们带有一些规则，对纳税和其他收入转移进行建模。
+
+## 9.6 实现糖域
+
+糖域比以前的模型更复杂，所以我不会在这里介绍整个实现。 我将概述代码的结构，您可以在 Jupyter 笔记本`chap09.ipynb`中查看本章的细节，它位于本书的仓库中。 如果你对细节不感兴趣，你可以跳到下一节。
+
+以下是带有`step`方法的`Agent`类：
+
+```py
+
+class Agent:
+
+    def step(self, env):
+        self.loc = env.look_around(self.loc, self.vision)
+        self.sugar += env.harvest(self.loc) - self.metabolism
+        self.age += 1
+```
+
+在每个步骤中，智能体移动，收获糖，并增加年龄。
+
+参数`env`是环境的引用，它是一个`Sugarscape`对象。 它提供了方法`look_around`和收获：
+
++   `look_around`获取智能体的位置，这是一个坐标元组，以及智能体的视野，它是一个整数。 它返回智能体的新位置，这是糖分最多的可见细胞。
++   `harvest `需要智能体的（新）位置，并在移除并返回该位置的糖分。
+
+这里是`Sugarscape`类和它的`step`方法（不需要替换）：
+
+```py
+class Sugarscape(Cell2D):
+
+    def step(self):
+
+        # loop through the agents in random order
+        random_order = np.random.permutation(self.agents)
+        for agent in random_order:
+
+            # mark the current cell unoccupied
+            self.occupied.remove(agent.loc)
+
+            # execute one step
+            agent.step(self)
+
+            # if the agent is dead, remove from the list
+            if agent.is_starving():
+                self.agents.remove(agent)
+            else:
+                # otherwise mark its cell occupied
+                self.occupied.add(agent.loc)
+
+        # grow back some sugar
+        self.grow()
+        return len(self.agents)
+```
+
+`Sugarscape`继承自`Cell2D`，因此它与我们所见过的其他基于网格的模型相似。
+
+这些属性包括`agents`，它是`Agent`对象的列表，以及`occupied`，它是一组元组，其中每个元组包含智能体占用的细胞的坐标。
+
+在每个步骤中，`Sugarscape`以随机顺序遍历智能体。 它调用每个智能体的`step`，然后检查它是否已经死亡。 所有智能体都移动后，一些糖会恢复。
+
+如果您有兴趣更加了解 NumPy ，您可能需要仔细看看`make_visible_locs`，它构建一个数组，其中每行包含智能体可见的细胞坐标，按距离排序，但距离相同的细胞 是随机顺序。
+
+你可能想看看`Sugarscape.make_capacity`，它初始化细胞的容量。 它演示了`np.meshgrid`的使用，这通常很有用，但需要一些时间才能理解。
+
+## 9.7 迁移和波动行为
+
+![](img/9-5.png)
+
+图 9.5：`Sugarscape`中的波动行为：初始状态（左），6 步后（中）和 12 步后（右）
+
+虽然`Sugarscape`的主要目的不是探索空间中的智能体的移动，但 Epstein 和 Axtell 在智能体迁移时，观察到一些有趣的模式。
+
+如果我们开始把所有智能体放在左下角，他们会迅速走向最近的高容量细胞的“山峰”。 但是如果有更多的智能体，单个山峰不足以支持它们的话，他们很快就会耗尽糖分，智能体被迫进入低容量地区。
+
+视野最长的那些，首先穿过山峰之间的山谷，并且像波一样向东北方向传播。 因为他们在身后留下一些空细胞，所以其他智能体不会追随，直到糖分恢复。
+
+结果是一系列离散的迁移波，每个波都像一个连贯的物体，就像我们在规则 110 CA 和生命游戏中看到的飞船（参见第？节）。
+
+图？显示了初始条件下（左），6 个步骤（中）和 12 个步骤（右）之后的模型状态。 你可以看到，前两个波到达并穿过第二个山峰，留下了一串空细胞。 您还可以看到这个模型的动画版本，其中波形更清晰可见。
+
+虽然这些波动由智能体组成，但我们可以将他们视为自己的实体，就像我们在“生命游戏”中想到的滑翔机一样。
+
+这些波动的一个有趣的属性是，它们沿对角线移动，这可能是令人惊讶的，因为这些智能体本身只是向北或向东移动，从不向东北方移动。 像这样的结果 - 团队或“集合”拥有智能体没有的属性和行为 - 在基于智能体的模型中很常见。 我们将在下一章看到更多的例子。
+