matlab元胞自动机入门详解

article/2025/10/12 22:22:38

元胞自动机的初步理解

  • 对元胞自动机的初步认识
    元胞自动机(CA)是一种用来仿真局部规则和局部联系的方法。典型的元
    胞自动机是定义在网格上的,每一个点上的网格代表一个元胞与一种有限的状
    态。变化规则适用于每一个元胞并且同时进行。
  • 元胞的变化规则&元胞状态
    典型的变化规则,决定于元胞的状态,以及其( 4 或 8 )邻居的状态。
  • 元胞自动机的应用
    元胞自动机已被应用于物理模拟,生物模拟等领域。
  • 元胞自动机的matlab编程
    结合以上,我们可以理解元胞自动机仿真需要理解三点。一是元胞,在matlab中可以理解为矩阵中的一点或多点组成的方形块,一般我们用矩阵中的一点代表一个元胞。二是变化规则,元胞的变化规则决定元胞下一刻的状态。三是元胞的状态,元胞的状态是自定义的,通常是对立的状态,比如生物的存活状态或死亡状态,红灯或绿灯,该点有障碍物或者没有障碍物等等。

更新画面

动态的展示变化过程,需要掌握下面三条语句

h = imagesc(你的元胞矩阵)
在按照一定规则更行状态的循环中,
set(h,'cdata',你的更新后的元胞矩阵)
drawnow或者pause(时间间隔)

元胞自动机的有趣实例

生命游戏机

生命游戏是英国数学家约翰·何顿·康威在1970年发明的细胞自动机。它包括一个二维矩形世界,这个世界中的每个方格居住着一个活着的或死了的细胞。一个细胞在下一个时刻生死取决于相邻八个方格中活着的或死了的细胞的数量。通常情况,游戏的规则就是:当一个方格周围有2或3个活细胞时,方格中的活细胞在下一个时刻继续存活;即使这个时刻方格中没有活细胞,在下一个时刻也会“诞生”活细胞。
听说许多程序猿都喜欢玩这个
规则是:
¾ 对周围的 8 个近邻的元胞状态求和
¾ 如果总和为 2 的话,则下一时刻的状态不改变
¾ 如果总和为 3 ,则下一时刻的状态为 1
¾ 否则状态= 0
元胞的邻居定义通常有以下三种范式,这里采用第二种,认为其周围八个点为邻居。
在这里插入图片描述
简单仿真效果:
在这里插入图片描述
全部代码如下

%% 设置GUI按键
plotbutton=uicontrol('style','pushbutton','string','运行', 'fontsize',12, 'position',[150,400,50,20], 'callback', 'run=1;');
erasebutton=uicontrol('style','pushbutton','string','停止','fontsize',12,'position',[250,400,50,20],'callback','freeze=1;');
quitbutton=uicontrol('style','pushbutton','string','退出','fontsize',12,'position',[350,400,50,20],'callback','stop=1;close;');
number = uicontrol('style','text','string','1','fontsize',12, 'position',[20,400,50,20]);
%% 元胞自动机设置
n=200;
%初始化各元胞状态
z = zeros(n,n);
sum = z;
cells = (rand(n,n))<.6;
% 建立图像句柄
imh = image(cat(3,cells,z,z));
set(imh, 'erasemode', 'none')
% 元胞更新的行列数设置
x = 2:n-1;
y = 2:n-1;
% 主事件循环
stop= 0; run = 0;freeze = 0; 
while stop==0if run==1% 计算邻居存活的总数sum(x,y) = cells(x,y-1) + cells(x,y+1) + cells(x-1, y) + cells(x+1,y)...+ cells(x-1,y-1) + cells(x-1,y+1) + cells(x+1,y-1) + cells(x+1,y+1);% 按照规则更新cells = (sum==3) | (sum==2 & cells);set(imh, 'cdata', cat(3,cells,z,z) )stepnumber = 1 + str2double(get(number,'string'));set(number,'string',num2str(stepnumber))endif freeze==1run = 0;freeze = 0;enddrawnow
end

扩散

规则,先把中间点置为1,每一时间步对每一点,如果周围
八个点和为偶数,则变为0,为奇数则变为 1

效果:
在这里插入图片描述
代码:

% 颜色控制
Map = [1 1 1; 0 0 0];
colormap(Map);
% 设置网格大小
S = 121;
L = zeros(S);
% 把中间一个数设置为 1 作为元胞种子
M = (S+1)/2;
L(M, M) = 1;
Temp = L;
imagesc(L);
% 计算层数
Layer = (S-1)/2 + 1;for t=2:Layerfor x=M-t+1:M+t-1if x==M-t+1 || x==M+t-1for y=M-t+1:M+t-1SUM = 0;for m=-1:1for n=-1:1if x+m>0 && x+m<=S && y+n>0 && y+n<=SSUM = SUM + L(x+m, y+n); endendendSUM = SUM - L(x, y);Temp(x, y) = mod(SUM, 2);endelsey = M-t+1;SUM = 0;for m=-1:1for n=-1:1if x+m>0 && x+m<=S && y+n>0 && y+n<=SSUM = SUM + L(x+m, y+n); endendendSUM = SUM - L(x, y);Temp(x, y) = mod(SUM, 2);y = M+t-1;SUM = 0;for m=-1:1for n=-1:1if x+m>0 && x+m<=S && y+n>0 && y+n<=SSUM = SUM + L(x+m, y+n); endendendSUM = SUM - L(x, y);Temp(x, y) = mod(SUM, 2);endendL = Temp;imagesc(L);% 速度控制pause(0.2);
end

双车道交通流仿真

在这里插入图片描述
这个稍微难一点

脚本

% 车流密度不变下的双向两车道仿真(T 字形路口)
% v:平均速度,d:换道次数(1000 次)p:车流密度
nl = 80 ;% 车道长度(偶数)
nc = 2; % nc:双向车道数目
dt= 0.01; % 仿真步长时间
fp = 20; % 车道入口处新进入车辆的概率(列向量)
nt=10000;% 仿真步长数目
chance=0.5;
chance1=0.5;
[ v, d, p ] = multi_driveway_with_crossroad_exit ( nl,nc,dt,fp,nt,chance,chance1);

规则&状态转移函数

function [ v, d, p ] = multi_driveway_with_crossroad_exit( nl,...nc,dt,fp,nt,chance,chance1)
% fp:车道入口处新进入车辆的概率向量(2,3,5 车道)——输入参数
% chance:交叉口处车辆行为的概率向量(5 车道右转,3车道右转)——输入参数%构造元胞矩阵B=ones(nc+1+nl/2,nl+3);%不可行车道B(nc/2+1,[1:nl/2 nl/2+4:nl+3])=1.2;   B(nc+2:nc+1+nl/2,[1:nl/2 nl/2+4:nl+3])=1.2;%初始化仿真元胞状态(1 为无车,0 为有车)bb1=B([1:nc/2 nc/2+2:nc+1],:);bb2=B(:,nl/2+3);bb3=B(:,nl/2+1);bb1(bb1~=0)=1;bb2(bb2~=0)=1;bb3(bb3~=0)=1;B([1:nc/2 nc/2+2:nc+1],:)=bb1;B(:,nl/2+3)=bb2;B(:,nl/2+1)=...bb3;B(1:nc+1,nl/2+1:nl/2+3)=1;B(1:nc/2,end)=0;B(nc/2+2:nc+1,1)=0;B(end,nl/2+3)=0;%显示初始交通流图figure();H=imshow(B,[]);set(gcf,'position',[241 132 560 420]) ;%241 132 560 420set(gcf,'doublebuffer','on'); %241title('cellular-automation to traffic modeling','color','b');%初始化化存储元胞上车辆状态的矩阵S(1:nc*2+2,nl/2-2) = 0;Q(1:nc*2+2,1:2) = 0;C=zeros(nc+1,3);%初始化换道频率、平均速度、车流密度相关变量ad = 0;av(1:nt) = 0;ap(1:nt) = 0;s = 1;flag= 0;flag1=0;%flag、flag1 用于标示小区出口的车是否为左转车辆flag2=0;for n = 1:nt
%六个路段的长度。
A=[
B(1:nc/2,nl/2 :-1:1);
B(nc/2+2:nc+1,1:nl/2);
B(1:nc/2,nl+3:-1:nl/2+4);
B(nc/2+2:nc+1,nl/2+4:nl+3);
B(nc+1+nl/2:-1:nc+2,nl/2+3)';
B(nc+2:1:nc+1+nl/2,nl/2+1)'
];
c=B(1:nc+1,nl/2+1:nl/2+3);%确定前 n-2 个车辆的状态S(:,:) = 0;S(A(:,1:end-2)==0&A(:,2:end-1)==1&A(:,3:end)==1)=2;%快速行驶的车S(A(:,1:end-2)==0&A(:,2:end-1)==0)=3;%停车的车S(A(:,1:end-2)==0&A(:,2:end-1)==1&A(:,3:end)==0)=1;%慢速行驶的车%确定最后两个元胞的状态Q(:,:)= 0;Q(A(:,end-1)==0&A(:,end)==0) = 3;Q(A(:,end-1)==0&A(:,end)==1) = 1;if c(3,1)==0if rand<chance1flag2=1;c(3,1)=1;endend   if A(1,end)==0Q(1,end)=1;endif A(4,end)==0Q(4,end)=1;endif A(6,end)==0Q(6,end)=1;endif rem(floor(n/50),2)==0 %此时左右向为绿灯if A(2,end)==0if c(nc/2+2:nc+1,1)==0Q(2,end)=3;elseQ(2,end)=1;end endif A(3,end)==0if c(1,3)==0Q(3,end)=3;elseQ(3,end)=1;endend%按照既定规则行驶(5 车道右转)if A(5,end)==0if flag==0if rand<chance %路口车右转if c(nc/2+2:nc+1,:)==1Q(5,end)=1;  elseQ(5,end)=3;endendelse %第一辆车为左转车,需要等待                                  endendif c(1,2)==0if c(1,1)==1%3道口左转的思路:规避。C(1,2)=1;elseC(1,2)=3;endif c(2,1)==0                C(1,2)=3;endendif c(1,3)==0if c(1,2)==1C(1,3)=1;elseC(1,3)=3;endendif c(3,1)==0if c(3,2)==1C(3,1)=1;elseC(3,1)=3;endendif c(3,2)==0if c(3,3)==1C(3,2)=1;elseC(3,2)=3;endendif rem(n,20)==0&&c(3,2)==0%小区出来的车还遗留在路口,特殊处理先行if c(2,1)==1C(3,2)=5; %特殊的等待状态(小区出来的车)elseC(3,2)=3;endendif c(2,1)==0if A(1:nc/2,1)==0C(2,1)=3;elseC(2,1)=1;endendif c(1,1)==0if A(1,1)==0C(1,1) = 3;elseC(1,1) = 1;endendif c(3,3)==0if A(nc*3/2+1:2*nc,1)==0C(3,3) = 3;elseC(3,3) = 1;endendelse %此时小区出入向为绿灯Q(2,end)=3;Q(3,end)=3;if c(3,2)==0if flag1==1if c(2,1)==1C(3,2)=5;flag1=0;elseC(3,2)=3;endelseif c(3,3)==1C(3,2)=1;elseC(3,2)=3;endendendif c(2,1)==0if A(1:nc/2,1)==1&&c(1,1)==1C(2,1)=1;elseC(2,1)=3;endendif A(5,end)==0if flag==0if rand<chanceif c(nc/2+2:nc+1,:)==1Q(5,end)=1;elseQ(5,end)=3;endelseif c(nc/2+2:nc+1,1)==1&&c(nc/2+2:nc+1,2)==1Q(5,end)=5;flag=0;flag1=1; %小区的左转前进,用以区分右转车辆elseQ(5,end)=3;flag=1;endendelseif c(nc/2+2:nc+1,1)==1&&c(nc/2+2:nc+1,2)==1Q(5,end)=5;flag=0;flag1=1; %小区的左转前进,用以区分右转车辆elseQ(5,end)=3;flag=1;endendendif c(1,2)==0if c(1,1)==1C(1,2)=1;elseC(1,2)=3;endendif c(1,3)==0if c(1,2)==1C(1,3)=1;elseC(1,3)=3;endendif c(3,1)==0if c(3,2)==1C(3,1)=1;elseC(3,1)=3;endendif c(1,1)==0if A(1:nc/2,1)==0C(1,1) = 3;elseC(1,1) = 1;endendif c(3,3)==0if A(nc*3/2+1:2*nc,1)==0C(3,3) = 3;elseC(3,3) = 1;endendend%获得所有元胞上车辆的状态Acc = [ S Q ];%根据当前状态改变元胞位置%路口附近的车辆的行驶控制if C(3,2)==5c(2,1)=0;c(3,2)=1;flag=0;C(3,2)=0;elseif C(3,2)==1c(3,3)=0;c(3,2)=1;C(3,2)=0;endif C(2,1)==1A(1,1)=0;c(2,1)=1;C(2,1)=0;endif Acc(3,end)==1c(1,3)=0;A(3,end)=1;Acc(3,end)=0;endif Acc(2,end)==1c(3,1)=0;A(2,end)=1;Acc(2,end)=0;endif C(3,1)==1c(3,2)=0;c(3,1)=1;C(3,1)=0;endif C(1,3)==1c(1,2)=0;c(1,3)=1;C(1,3)=0;endif C(1,2)==1c(1,1)=0;c(1,2)=1;C(1,2)=0;endif C(1,1)==1A(1,1)=0;c(1,1)=1;C(1,1)=0;endif C(3,3)==1A(4,1)=0;c(3,3)=1;C(3,3)=0;end%慢速运行车辆向前走 1 格A( Acc(:,1:end)==1 )=1;A( [ zeros(nc*3,1) Acc(:,1:end-1)]==1 ) = 0;%高速运行车辆向前走 2 格A( Acc(:,1:end)==2) = 1;A( [ zeros(nc*3,2) Acc(:,1:end-2)]==2) = 0;if Acc(1,1)==1||Acc(1,1)==2A(1,1)=1;endif Acc(4,1)==1||Acc(4,1)==2A(4,1)=1;endif Acc(5,end)==5c(3,2)=0;flag=0;A(5,end)=1;elseif Acc(5,end)==1c(3,3)=0;A(5,end)=1;endif Acc(3,end)==1c(1,3)=0;A(3,end)=1;endif Acc(2,end)==1c(3,1)=0;A(2,end)=1;endif Acc(4,1)==1||Acc(4,1)==2A(4,1)=1;endif Acc(1,1)==1||Acc(1,1)==2A(1,1)=1;end%计算平均速度、换道频率、车流密度等参数%获得运行中的车辆数目 NmatN = A<1;N = sum(sum(matN));%获得运行中的车辆速度之和 VE = S((S==1)|(S==2));V = sum(E);%计算此时刻的车流密度并保存ap(n) = N/( (nc*3)*(nl/2)+9 );%计算此时刻的平均速率并保存if(N~=0&&n>nl/2)av(s) = V/N;s = s+1;end%在车道入口处随机引入新的车辆A([2;3;5],1)=(round(fp.*rand(3,1))&A([2;3;5],1));A(A~=0)=1;if flag2==1A(6,1)=0;flag2=0;end%将新的车辆加入元胞矩阵中B(1,1:nl/2)=A(1:nc/2,end:-1:1);B(3,1:nl/2)=A(nc/2+1:nc,:);B(1,nl/2+4:nl+3)=A(nc+1:nc*3/2,end:-1:1);B(3,nl/2+4:nl+3)=A(nc*3/2+1:2*nc,:);B(nc+2:nc+1+nl/2,nl/2+3)=A(2*nc+1,end:-1:1)';B(nc+2:nc+1+nl/2,nl/2+1)=A(3*nc,:)';B(1:3,nl/2+1:nl/2+3)=c(:,:);%显示交通流图set(H,'CData',B);
%计算这个时间段每个时间点的指标(速度与车流量)。d = ad;p = mean(ap);v = sum(av)/s;disp([v,p])
%仿真步长pause(dt);end
end

http://chatgpt.dhexx.cn/article/lCc5XYfv.shtml

相关文章

元胞自动机-附代码注释

元胞自动机&#xff08;Cellular Automata CA&#xff09;是一种时空离散的局部动力学模型&#xff0c;是研究复杂系统的一种典型方法&#xff0c;适用于空间复杂系统的时空动态模拟研究。 元胞自动机不是由严格定义的物理方程或函数确定&#xff0c;而是用一系列模型构造的规则…

元胞自动机简介

摘要&#xff1a; 元胞自动机能利用简单的局部规则和离散方法描述复杂的全局的连续系统&#xff0c;已成为探索复杂系统的一种有效工具。文章 阐述了元胞自动机的发展历程、结构、特征及基本理论与方珐&#xff1b;介绍了元胞自动机在寡头垄断行为、交通管理及工程运输、城市…

数模笔记14-元胞自动机

元胞自动机模型 元胞自动机理论 元胞自动机&#xff08;Cellular Automata&#xff0c;CA&#xff09;是一种时空离散的局部动力学模型&#xff0c;是研究复杂系统的一种典型方法&#xff0c;特别适合用于空间复杂系统的时空动态模拟研究。 元胞自动机不是由严格定义的物理方程…

【数学建模】元胞自动机

前些天发现一个通俗易懂&#xff0c;风趣幽默的人工智能学习网站&#xff1a; 传送门 A 简介 1 历史 最初的元胞自动机是由冯 诺依曼在 1950 年代为模拟生物 细胞的自我复制而提出的. 但是并未受到学术界重视. 1970 年, 剑桥大学的约翰 何顿 康威设计了一个电脑游戏 “生…

关于元胞自动机

元胞自动机(cellular automata&#xff0c;CA) 是一种时间、空间、状态都离散&#xff0c;空间相互作用和时间因果关系为局部的网格动力学模型&#xff0c;具有模拟复杂系统时空演化过程的能力。 其实在去年暑假准备国赛的时候试图过自学&#xff0c;但受限于&#xff0c;网上…

元胞自动机(数学建模)

一.元胞自动机的概念 元胞自动机(cellular automata&#xff0c;CA) 是一种时间、空间、状态都离散&#xff0c;空间相互作用和时间因果关系为局部的网格动力学模型&#xff0c;具有模拟复杂系统时空演化过程的能力。 元胞自动机是用一系列模型构造的规则构成&#xff0c;只要满…

元胞自动机

一个一个的格子看做是一个个的元胞&#xff0c;他们按照自己的规则自动进行状态改变就是元胞自动机。 定义&#xff1a;是一种时间、空间、状态都离散&#xff0c;空间相互作用和时间因果关系为局部的网格动力学模型&#xff0c;具有模拟复杂系统时空演化过程的能力。 元胞自…

元胞自动机简介(美赛复习一)

为美赛准备&#xff0c;进行元胞自动机的简单回顾。 本文只是简单回顾&#xff0c;可能会进行相关论文复现。 文章目录 一、简介 1.元胞2.元胞空间3.元胞邻居4.边界条件5.规则二、简单例子 一、简介 元胞自动机&#xff1a;是一种时间、空间、状态都离散&#xff0c;空间相互…

【数学建模】元胞自动机(CA)详解 + Matlab代码实现

文章目录 一、什么是元胞自动机&#xff1f;二、图解元胞自动机&#xff1a;三、案例Matlab代码实现&#xff1a;1.奇偶规则2.生命游戏3.森林火灾 一、什么是元胞自动机&#xff1f; 元胞自动机(cellular automata&#xff0c;CA) 是一种时间、空间、状态都离散&#xff0c;空…

迁移学习在金融行业的应用探索

摘要&#xff1a;通过迁移学习技术&#xff0c;解决少量数据&#xff08;较少重叠样本和特征&#xff09;和个性化&#xff08;较少标记&#xff09;的问题&#xff0c;从数据丰富的领域迁移到数据匮乏的领域。通过迁移学习在保证模型准确率的同时&#xff0c;也提高了建造模型…

pytorch之迁移学习

文章目录 1.导入相关的包2.加载数据3.可视化部分图像数据4.训练模型5.可视化模型的预测结果6.场景1&#xff1a;微调ConvNet7.场景2&#xff1a;ConvNet作为固定特征提取器 实际中&#xff0c;基本没有人会从零开始&#xff08;随机初始化&#xff09;训练一个完整的卷积网络&a…

翻译: Transfer learning 迁移学习指南

这是您需要了解的有关经典迁移学习和深度迁移学习的所有信息。阅读本指南可改进您的模型训练并在更短的时间内获得更好的性能。 1. 背景 事情是这样的—— 至少可以说&#xff0c;在处理一项全新的任务时收集大量数据可能具有挑战性。 然而- 仅使用有限数量的训练数据获得…

迁移学习方法学习

目录 迁移学习的基础知识迁移学习的概念迁移学习的分类按目标域标签分按学习方法分按特征分类按离线与在线形式分 迁移学习的基本方法基于样本的迁移基于特征的迁移基于模型的迁移基于关系的迁移 深度迁移学习深度网络的可迁移性最简单的迁移学习——finetune finetune的使用技…

迁移学习实例

上一篇我们介绍了迁移学习的核心思想和流程&#xff0c;我们介绍一个实例来加深理解。 传送门&#xff1a;迁移学习概述 获取预训练模型 pytorch和tensorflow都封装了很多预训练模型。 pytorch通过工具包torchvision.models模块获取&#xff0c;主要包括AlexNet、VGG系列、 Res…

迁移学习与微调的区别

一、迁移学习&#xff1a; 1、从字面意义上理解是知识转移的学习方法&#xff0c;指一种学习方法&#xff1b;类比机器学习、深度学习等等概念&#xff1b; 2、把已训练好的模型参数迁移到新的模型来帮助新模型训练二、微调&#xff1a; 1、从字面意义上理解是小小的调整&…

迁移学习---举一反三

1.概念 迁移学习是指充分考虑数据、任务、或者模型的相似性&#xff0c;将在旧领域学习到的模型&#xff0c;应用到新的领域的一种学习过程。 通俗的讲就是把已经学习训练好的模型参数迁移到新的模型进行训练。考虑到大部分数据或任务是存在相关性的&#xff0c;所以通过迁移…

迁移学习基础

人类具有跨任务传输知识的固有能力。我们在学习一项任务的过程中获得的知识&#xff0c;可以用来解决相关的任务。任务相关程度越高&#xff0c;我们就越容易迁移或交叉利用知识。到目前为止所讨论的机器学习和深度学习算法&#xff0c;通常都是被设计用于单独运作的。这些算法…

学习迁移学习

学习迁移学习 一、相关背景 随着机器学习和数据挖掘不断发展&#xff0c;一个愈加明显的问题出现在人们面前&#xff1a;要想机器学习能够正常运转必须要保证训练集和测试集有相同的特征空间并且同分布。一旦分布改变&#xff0c;大多数模型往往要根据数据重建&#xff0c;这…

联邦迁移学习

本博客地址&#xff1a;https://security.blog.csdn.net/article/details/123573886 一、联邦学习的定义 横向联邦学习和纵向联邦学习要求所有的参与方具有相同的特征空间或样本空间&#xff0c;从而建立起一个有效的共享机器学习模型。然而&#xff0c;在更多的实际情况下&am…

迁移学习(二)

迁移学习综述&#xff08;二&#xff09;&#xff08;学习笔记&#xff09; A Comprehensive Survey on Transfer Learning 1.引言 迁移学习的目标是利用来自相关领域(称为源领域)的知识&#xff0c;以提高学习性能或最小化目标领域中需要的标记示例的数量。知识转移并不总是…