使用 python class 的元胞自动机

Question

我制作了一个 class 来启动和更新 CA 数据，我制作了一个函数“Simulate”，它根据火在树间蔓延的规则更新单元格，并且留下空白。根据给定的概率，用树木替换空白空间。

出现问题，我的函数似乎将规则应用于当前时间数据持有者，而不是先前的时间数据持有者。我已将 prevstate = self.state 设置为上一次迭代的临时数据保存器，但运行小测试我发现它给出的结果与我根本不包含此行时的结果相同。我做错了什么？

import numpy as np
import random
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap, colorConverter
from matplotlib.animation import FuncAnimation

#dimentions:
x = 10
y = 10

lighting = 0  #set to 0 for testing
grow = 0.3


#parameter values
empty = 0
tree = 1
fire = 2

random.seed(1)

#CA Rule definition
def update(mat, i, j, lighting, grow, prob):
    if mat[i, j] == empty:
        if prob < grow:
            return tree
        else:
            return empty
    elif mat[i, j] == tree:
        if max(mat[i-1, j], mat[i+1, j], mat[i, j-1], mat[i, j+1]) == fire:
            return fire
        elif prob < lighting:
            return fire
        else:
            return tree
    else:
        return empty


########## Data Holder
class Simulation:
    def __init__(self):
        self.frame = 0
        #self.state = np.random.randint(2, size=(x, y)) commented out for testing
        self.state = np.ones((x, y))
        self.state[5, 5] = 2  #initial fire started at this location for testing

    def updateS(self):
        prevstate = self.state    #line of code i think should be passing previous iteration through rule

        for i in range(1, y-1):
            for j in range(1, x-1):
                prob = random.random()
                self.state[i, j] = update(prevstate, i, j, lighting, grow, prob)

    def step(self):
        self.updateS()
        self.frame += 1


simulation = Simulation()
figure = plt.figure()

ca_plot = plt.imshow(simulation.state, cmap='seismic', interpolation='bilinear', vmin=empty, vmax=fire)
plt.colorbar(ca_plot)
transparent = colorConverter.to_rgba('black', alpha=0)
#wall_colormap = LinearSegmentedColormap.from_list('my_colormap', [transparent, 'green'], 2)


def animation_func(i):
    simulation.step()
    ca_plot.set_data(simulation.state)
    return ca_plot

animation = FuncAnimation(figure, animation_func, interval=1000)
mng = plt.get_current_fig_manager()
mng.window.showMaximized()
plt.show()

欢迎就实施 CA 的更好方法提出任何意见！

Answer 1

Python赋值是指针...所以当你更新self.state时，prevstate也会更新。

我希望你设置为：

prevstate = copy.copy(self.state)

这应该可以解决您的问题。

Copy docs

Answer 2

正如 jabberwocky 正确指出的那样，您的问题是行 prevstate = self.state 使 prevstate 成为对与 self.state 相同的 numpy 数组的新引用，因此修改其中一个的内容也会修改另一个。

然而，不是在每次迭代时都复制数组，而是一种稍微更有效的解决方案是预分配两个数组并交换它们，就像这样：

class Simulation:
    def __init__(self):
        self.frame = 0
        self.state = np.ones((x, y))
        self.state[5, 5] = 2
        self.prevstate = np.ones((x, y))  # <-- add this line

    def updateS(self):
        self.state, self.prevstate = self.prevstate, self.state  # <-- swap the buffers

        for i in range(1, y-1):
            for j in range(1, x-1):
                prob = random.random()
                self.state[i, j] = update(self.prevstate, i, j, lighting, grow, prob)

我说 "slightly" 因为您真正保存的只是一个 numpy 数组副本和垃圾收集器的一些工作。然而，如果你足够优化你的内部状态更新循环——也许例如使用 numba 实施 CA 规则——额外数组副本的相对成本将开始显着。无论如何，使用这种 "double buffering" 方法并没有真正的缺点，所以这是一个很好的习惯。

使用 python class 的元胞自动机

Cellular Automata using python class

python

class

cellular-automata

python-3.x