エージェントベースモデルシミュレーションにおける死亡
シミュレーション
このポストでは、生成されたエージェントが死亡するアクションを与えることで、集団の逆成長をマクロの観点から模倣しようとしている。このシミュレーションの中で、空間や移動に関連するすべては、単に視覚化のためのものであり、実際の目的とは一切関係がない。
変数
- $t$: 現在のターンを意味する。
- $N(t)$: $t$ ターンでのエージェントの数を示す。
パラメーター
- $N_{0} \in \mathbb{N}$: シミュレーションが始まる時のエージェントの数を示す。
- $d \in [0,1]$: 死亡率として、エージェントが繁殖する確率を示す。
- $t_{\text{end}} \in \mathbb{N}$: シミュレーションが終了するターンを定める。
アクション
(全エージェントが、毎ターン)
- 死亡:
d
の確率でシミュレーションから除外される。 - 移動: 二変量正規分布 $N \left( \mathbb{0} , \Sigma \right)$ から引き出されたベクトルに従って移動する。
コードレビュー
ステップ1. 初期化及びエージェントの生成
julia> N0 = 500 # 초기 인구수
500
julia> d = 0.04 # 사망률
0.04
julia> max\_iteration = 180 # 시뮬레이션 기간
180
julia> gaussian2 = MvNormal([0.0; 0.0], 0.04I) # 2차원 정규분포
IsoNormal(
dim: 2
μ: [0.0, 0.0]
Σ: [0.04 0.0; 0.0 0.04]
)
julia> Random.seed!(0);
julia> Time\_evolution = [] # 인구수를 기록하기 위한 스택
Any[]
エージェントベースシミュレーションチュートリアルと似て、エージェントを生成する。ここで、各変数は上記のパラメータ設定を反映する。
N0
$\leftarrow N_{0} = 5$d
$\leftarrow d = 0.04$max_iteration
$\leftarrow t_{\text{end}} = 180$
Random.seed!(0)
は結果を再現するためのシードナンバー設定であり、time_evolution
は個体数を記録するためのスタックで、シミュレーション自体には影響を与えないが、シミュレーションを繰り返して分析するために重要なテクニックである。
julia> coordinate = rand(gaussian2, N0)'
500×2 Adjoint{Float64,Array{Float64,2}}:
0.135821 0.165683
-0.0706015 -0.0269708
0.117323 0.0594672
0.0129895 -0.0218035
-0.102842 0.314866
-0.137781 -0.152561
0.0794965 0.162326
-0.0692709 -0.0375145
⋮
-0.22697 0.178074
0.036792 -0.35028
-0.253518 0.418463
-0.226243 -0.111246
0.120505 -0.0111552
0.0882067 0.0526977
0.398744 -0.114504
-0.215111 0.259829
julia> N = N0
500
$N$ は個体数を表しているので、最初に $N \gets N_{0}$ のように初期個体数を受け取る必要がある。
ステップ2. エージェントの死亡
julia> coordinate = coordinate[(rand(N) .> d),:]
481×2 Array{Float64,2}:
0.135821 0.165683
-0.0706015 -0.0269708
0.117323 0.0594672
0.0129895 -0.0218035
-0.102842 0.314866
0.0794965 0.162326
-0.0692709 -0.0375145
⋮
-0.253518 0.418463
-0.226243 -0.111246
0.120505 -0.0111552
0.0882067 0.0526977
0.398744 -0.114504
-0.215111 0.259829
現在のエージェントの数だけ、0と1の間で乱数を引く。これが d
より小さいということは、d
の確率で 死亡 が起きたという意味である。上のスクリーンショットでは、19のエージェントが死亡して481のエージェントが残っていることが分かる。これは元のエージェント500個の約4%が死亡したことを示しており、私たちのパラメータ設定がほぼ正確に反映されたことを確認できる。
ステップ3. 記録とエージェントの移動
julia> push!(time\_evolution, N)
1-element Array{Any,1}:
481
julia> coordinate = coordinate + rand(gaussian2, N)'
481×2 Array{Float64,2}:
0.399141 0.492689
-0.151015 -0.00161691
-0.00843121 0.10119
0.111592 0.00865223
0.0591775 0.150437
0.0060825 0.0383255
-0.0652535 -0.0688566
-0.702124 -0.485473
⋮
0.437486 -0.354416
-0.149827 0.156366
-0.0737965 -0.168831
0.344358 -0.136392
-0.231089 -0.0695535
0.446688 0.143493
0.133667 0.156873
ステップ2. でエージェントが19個減ったので、$N$ も更新して、その時の個体数を記録した。各エージェントの座標は行列で表されており、二変量正規分布から $N$ 回引いて積み上げた $N \times 2$ 行列を足すことで、エージェントの移動が実装される。これを終えて ステップ2. に戻る。$t = t_{\text{end}}$ に達するまでこのプロセスを繰り返し、停止する。
上述のプロセスをただ繰り返すだけで、ポストの上部にあるgifと同様の現象を観察できる。
全コード
以下は、このポストに使用されるジュリアのコードである。
cd(@__DIR__) # 파일 저장 경로
@time using Plots
@time using Random
@time using Distributions
@time using LinearAlgebra
N0 = 500 # 초기 인구수
d = 0.04 # 사망률
max_iteration = 180 # 시뮬레이션 기간
gaussian2 = MvNormal([0.0; 0.0], 0.04I) # 2차원 정규분포
Random.seed!(0);
time_evolution = [] # 인구수를 기록하기 위한 스택
let
coordinate = rand(gaussian2, N0)'
N = N0
anim = @animate for t = (0:max_iteration)/100
plot(coordinate[:,1], coordinate[:,2], Seriestype = :scatter,
markercolor = RGB(1.,94/255,0.), markeralpha = 0.4, markerstrokewidth = 0.1,
title = "t = $t", aspect_ratio = 1, size = [400,400],
xaxis=true,yaxis=true,axis=nothing, legend = false)
xlims!(-10.,10.)
ylims!(-10.,10.)
coordinate = coordinate[(rand(N) .> d),:]
N = size(coordinate, 1)
push!(time_evolution, N)
coordinate = coordinate + rand(gaussian2, N)'
end
gif(anim, "malthusian_growth_simulation2.gif", fps = 18)
end