用python演绎神奇的生命游戏,在游戏中学习numpy和matplotlib动画

在一个二维网格中,假定每一个方格代表一个细胞,每个细胞有存活和死亡两种状态,其初始生存状态随机确定。每隔一段时间检查一次细胞的生存状态,每个细胞的生存状态由其周围的8个细胞的生存状态决定,具体规则如下:

  1. 如果一个细胞周围的活细胞数量超过3个或少于2个,则该细胞死亡;
  2. 如果一个细胞周围的活细胞数量等于2个,则该细胞生存状态不变;
  3. 如果一个细胞周围的活细胞数量等于3个,则该细胞复活或继续存活;

如果用黑色表示死亡的细胞,用白色表示存活的细胞,这个二维网格最初看起来是杂乱无章的,但是经过一段时间的演化之后,就会产生稳定而规律的变化,甚至是持续的、有规律的移动,类似物质交换或生命运动。


这就是英国数学家约翰·何顿·康威(John Horton Conway)于1970年发明的生命游戏,也被称作康威生命游戏。上面这几张图是生命游戏中的经典图案,转自康威生命游戏官方网站。仅凭3条细胞繁衍和死亡的简单规则,生命游戏就可以在计算机上模拟出丰富的生命演化过程,甚至可以模拟出与真实生命相当的复杂度——只要计算机内存足够大、计算能力足够强。

数学家康威证明了生命游戏具有图灵完备性,允许在生命游戏中模拟任何其他生命游戏规则。康威生命游戏是人工生命的经典研究,推动了元胞自动机(Cellular Automaton)理论的发展。元胞自动机作为一种仿真算法在近两年的数学建模竞赛中经常出现,可谓数学建模竞赛的万金油。康威生命游戏就是一种在二维网格上定义的元胞自动机。

如果用python演绎这个游戏的话,似乎不难。比如, 可以用一个二维列表来模拟游戏中的二维表格,用两层嵌套的循环结构来检查每一个细胞的生存状态。不过,这不是一个好的主意:如果二维表格稍微大一点,这样的代码会慢到无法忍受。下面这段代码使用numpy数组来模拟游戏中的二维表格,不需要循环就可以完成一次细胞演化,速度直追c语言。用空间换时间,这是应用numpy时避免显式循环的最常用的手段之一。

import numpy as np

def evolve(bio):
    """细胞演化,bio是用来模拟二维表格的二维数组"""
    
    # bio右下角元素 + bio尾行 + bio左下角元素,水平堆叠为一行
    top = np.hstack((bio[-1,-1], bio[-1], bio[-1,0])) 
    
    # bio右上角元素 + bio首行 + bio左上角元素,水平堆叠为一行
    bottom = np.hstack((bio[0,-1], bio[0], bio[0,0])) 
    
    # bio尾列 + bio + bio首列,水平堆叠为二维数组
    center = np.hstack((bio[:,-1:], bio, bio[:,0:1])) 
    
    # top + center + bottom,垂直堆叠为二维数组u,u比bio“胖了一圈”
    u = np.vstack((top, center, bottom))  
    
    s1 = u[:-2,:-2]     # 每个元素左上的元素构成的二维数组
    s2 = u[:-2,1:-1]    # 每个元素上方的元素构成的二维数组
    s3 = u[:-2,2:]      # 每个元素右上的元素构成的二维数组
    s4 = u[1:-1,:-2]    # 每个元素左侧的元素构成的二维数组 
    s5 = u[1:-1,2:]     # 每个元素右侧的元素构成的二维数组
    s6 = u[2:,:-2]      # 每个元素左下的元素构成的二维数组
    s7 = u[2:,1:-1]     # 每个元素下方的元素构成的二维数组
    s8 = u[2:,2:]       # 每个元素右下的元素构成的二维数组
    
    # s是和bio同样大小的二维数组,记录了bio每个元素周围值为1的元素个数
    s = s1 + s2 + s3 + s4 + s5 + s6 + s7 + s8 
    
    # bio中每个元素:如果周边元素为1的个数大于3或小于2,则该元素为0
    bio[np.where((s > 3) | (s < 2))] = 0
    
    # bio中每个元素:如果周边元素为1的个数等于3,则该元素为1
    bio[np.where(s == 3)] = 1
    
    return bio

接下来测试细胞演化函数evolve是否符合设计预期。

rows, cols = 8, 8 # 用8行8列的表格测试
n = int(0.5 * rows * cols) # 初始状态50%的细胞是活的
bio = np.zeros((rows, cols), dtype=np.uint8) # rows行cols列全0数组,模拟生命空间
bio[(np.random.randint(0, rows, n), np.random.randint(0, cols, n))] = 1 # 随机填写n个1

print('初始状态:')
print(bio)

bio = evolve(bio)
print('演化一次:')
print(bio)

测试结果看起来是正确的。

初始状态:
[[0 1 1 0 0 0 0 0]
 [1 0 0 1 1 0 0 0]
 [0 1 1 0 1 1 1 1]
 [1 1 0 0 1 0 0 1]
 [1 0 0 1 0 0 1 1]
 [1 0 1 0 0 0 1 0]
 [0 0 0 0 0 1 0 0]
 [1 0 1 0 0 0 0 1]]
演化一次:
[[0 0 1 0 0 0 0 1]
 [1 0 0 0 1 0 1 1]
 [0 0 1 0 0 0 1 0]
 [0 0 0 0 1 0 0 0]
 [0 0 1 1 0 1 1 0]
 [1 1 0 0 0 1 1 0]
 [1 0 0 0 0 0 1 0]
 [1 0 1 0 0 0 0 0]]

请按任意键继续. . .

怎么能够直观地看到细胞连续演化的过程呢?matplotlib.animation提供了一个便捷的手段,这就是FuncAnimation函数。FuncAnimation函数用起来稍显繁琐,不过下面的代码展示了一种逻辑清晰、通俗易懂的用法,可以用来生成复杂的动画,唯一的缺点就是刷新频率较低,且难以提升。

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

def evolve():
    """细胞演化,bio是用来模拟二维表格的二维数组"""
        
    top = np.hstack((bio[-1,-1], bio[-1], bio[-1,0]))
    bottom = np.hstack((bio[0,-1], bio[0], bio[0,0])) 
    center = np.hstack((bio[:,-1:], bio, bio[:,0:1])) 
    
    u = np.vstack((top, center, bottom))  
    s = u[:-2,:-2] + u[:-2,1:-1] + u[:-2,2:]  + u[1:-1,:-2] + u[1:-1,2:] + u[2:,:-2] + u[2:,1:-1] + u[2:,2:] 
    
    bio[np.where((s > 3) | (s < 2))] = 0
    bio[np.where(s == 3)] = 1

def animate(frame):
    """动画函数"""

    plt.cla() # 清空画布
    plt.imshow(bio, alpha=0.8) # 增加参数cmap='gray',显示黑白效果
    evolve() # 细胞演化

rows, cols = 16, 16 # 16行16列
n = int(0.5 * rows * cols) # 初始状态50%的细胞是活的
bio = np.zeros((rows, cols), dtype=np.uint8) # rows行cols列全0数组,模拟生命空间
bio[(np.random.randint(0, rows, n), np.random.randint(0, cols, n))] = 1 # 随机填写n个1

plt.figure(figsize=(8, 8)) # 设置画布
anim = FuncAnimation(plt.gcf(), animate) # 参数1是画布,参数2是动画函数,默认刷新周期200毫秒
plt.show() # 显示画布

若想直接生成gif文件或者mp4文件,只需要将上面代码的最后两行做如下改动。

anim = FuncAnimation(plt.gcf(), animate, frames=100) # frames用来设置生成的动画或视频帧数
anim.save(r'd:\bio.gif', fps=100)
#anim.save(r'd:\bio.mp4', writer='ffmpeg', fps=100)

这是在16行16列的二维空间中进行100次演化的演示动画。

来源:天元浪子

物联沃分享整理
物联沃-IOTWORD物联网 » 用python演绎神奇的生命游戏,在游戏中学习numpy和matplotlib动画

发表评论