2023-09-03

This article is categorized as "Garbage" . It should NEVER be appeared in your search engine's results.

从零开始了解agent-based simulator

有关交通的simulator

上一篇：🔗 [2023-08-30 - Truxton's blog] https://truxton2blog.com/2023-08-30/  看了一眼repast，但发现难度有点大，所以先学一学自己写一个简单的

因为发现repast的上手难度挺高，有的时候（对于简单的任务）可能还不如手写来得快，因为手写的代码全程都是自己的，自己能看懂，自己能调优。

所以本文从这里开始

（总结上一周学过的内容）

用OOP的思路去解释simulator，example：

程序会创建一个抽象的地图（以简单的无向图为例），这个地图是静态不变的；

程序会设计一个class Agent：里面包含了一个agent的属性，比如它的随机速度，它的随机刷新点，它的随机目标，它的一些其他属性

class Agent:
    type    # passanger, taxi, bus, etc
    speed 
    spawn_position
    destination

然后模拟器开始运行：

t=0，生成1000个class Agent的实例，这1000个Agents一出生就开始按自己的属性运动

class Agent:
    # properties of an abstract Agent

agent_lst = []
for i in range(0, 1000):
    agent_lst.append(Agent())

t=1，更新1000个Agent实例的状态（运动到了哪里，速度是多少）

t=2，继续更新1000个Agent实例的状态（运动到了哪里，速度是多少）

......

同时，一个上帝视角的观察者会观察：1. 整个地图的状态（比如拥堵状况） 2. 1000个Agent实例的状态（比如：有多少个实体处于活跃状态）

这就是整个模拟器要做的事。诸如红绿灯、stop sign这些东西也是可以一点一点加进来的，但目前只需要考虑一个简单的就可以。

然后就是有关模拟器的优化，目前大量的计算量主要来源于：

1. 很多时候会一次性生成几万个Agent实例，每次更新时间t -> t+1的时候都要遍历这几万个Agent实例的状态属性
2. 即使是同一份代码也要多跑很多遍才能稳定一些统计数据，因为有很多随机因素
3. 接上面，可改/可尝试/可优化的参数太多，只要改一个参数就要重跑整个模型，而且目前看来很多思路就像炼丹，参数一多就更不好改了（这里优化了那里又掉性能了）