NetLogo中基于行尸走肉的建模 基于Agent的建模项目，用于在NetLogo中建模《行尸走肉》。 该项目是2017年Spring期末项目。 前提条件和安装 跑步 下载rar文件。 双击.nlogo扩展文件并打开。 点击设置按钮 点击开始按钮 问题描述 人类反对僵尸。 有两种人：食品收集者和猎人。 这两种人必须与僵尸合作才能生存。 蓝色物体：僵尸 绿色物体：食品收藏家 白色物体：猎人 红色的地方：现有食品 黄色的地方：空的食物的地方 系统图 实验计划 4项政策 3个不同级别的3个关键参数 每个策略27（3x3x3）个不同的方案 30次复制 每个策略运行810（30x27） 全部训练6-7小时 4种不同的政策 参考案例：main.nlogo 猎人团体运动：hunter group.nlogo 僵尸的团体运动：zombie group.nlogo 庇护所：housing_

NL4Py NetLogo的Python控制器接口。 NL4Py使用远程过程调用体系结构，允许Python客户端代码控制NetLogoWorkspaceController服务器上的NetLogo工作区。 NL4Py支持通过单个Python客户端控制多个工作区。 阅读关于arXiv的NL4Py文章： ://arxiv.org/pdf/1808.03292.pdf NL4Py已通过Python 3.6.2的测试 要求 NL4Py可与NetLogo 6.0、6.1和6.2一起使用 NL4Py需要JDK 1.8 NL4Py要求将与Python分发一起安装 安装 您可以使用pip-tools安装NL4Py： pip install nl4py 用法 要在您的python代码中使用nl4py，请使用： import nl4py 并使用以下命令启动NetLogoControllerSer

基于 Agent 的模型仿真的python实现，基于网上资料，修改后自己调试运行成功，并在关键部分增加了注释，运行前需要自己加载安装需要的库，程序基于python2.7,不要在中文路径下运行

图论 介绍 图论有时被称为复杂网络或网络科学或网络分析，是离散数学中最前卫的研究领域之一，也是我最喜欢的学科之一。 在这里，“图形”是首选名称，因为太多的人将“网络”一词与互联网联系在一起。 鉴于数据科学的繁荣，图论一直被机器学习的炒作所笼罩。 但是，一些一流的技术公司（例如Google和Facebook）在很大程度上依赖于图论的研究。 该存储库旨在增加图论对所有读者的了解。 它包含常见的图形算法，流行的网络模型，有趣的基于代理的仿真和惊人的复杂系统。 代码范围从基本级别到复杂级别，在生态学，流行病学，社会学，经济学，金融学等领域都有广泛的应用。Julia和Python均用于构建不同的脚本。 随着我逐渐攀升学习曲线，越来越多的有趣内容将会涌现出来。 敬请关注！ 目录 演算法 马图拉·贝克（Matula Beck） 原始 应用领域 疫情暴发 外汇套利 人居竞赛 人居占用 核心 骑士之旅

The advent of widespread fast computing has enabled us to work on more complex problems and to build and analyze more complex models. This book provides an introduction to one of the primary methodologies for research in this new field of knowledge. Agent-based modeling (ABM) offers a new way of doing science: by conducting computer-based experiments. ABM is applicable to complex systems embedded in natural, social, and engineered contexts, across domains that range from engineering to ecology. An Introduction to Agent-Based Modeling offers a comprehensive description of the core concepts, methods, and applications of ABM. Its hands-on approach -- with hundreds of examples and exercises using NetLogo -- enables readers to begin constructing models immediately, regardless of experience or discipline. The book first describes the nature and rationale of agent-based modeling, then presents the methodology for designing and building ABMs, and finally discusses how to utilize ABMs to answer complex questions. Features in each chapter include step-by-step guides to developing models in the main text; text boxes with additional information and concepts; end-of-chapter explorations; and references and lists of relevant reading. There is also an accompanying website with all the models and code. Table of Contents Chapter 0 Why Agent-Based Modeling? Chapter 1 What Is Agent-Based Modeling? Chapter 2 Creating Simple Agent-Based Models Chapter 3 Exploring and Extending Agent-Based Models Chapter 4 Creating Agent-Based Models Chapter 5 The Components of Agent-Based Modeling Chapter 6 Analyzing Agent-Based Models Chapter 7 Verification, Validation, and Replication Chapter 8 Advanced Topics and Applications Appendix: The Computational Roots of Agent-Based Modeling

ABM是一种理论建立(theory development)技术。 详见https://zhuanlan.zhihu.com/p/136753336