元胞自动机模型代码实现

元胞自动机（Cellular Automaton，CA）是一种数学建模和仿真方法，常被用于描述复杂系统中的自组织行为和动态演变。CA模型基于简单的规则，通过对空间中离散的单元（元胞）的状态和邻居之间的相互作用进行迭代，来模拟系统的演化。

以下是元胞自动机模型的一般步骤和要素：

1. **元胞（Cell）：** 元胞是空间中的基本单元，通常表示为一个网格中的一个离散点。每个元胞具有离散的状态，状态可能取有限的值，如0和1。

2. **邻居关系（Neighborhood）：** 每个元胞都有一组邻居，这些邻居通常通过定义的邻域关系确定。邻域关系决定了元胞与哪些相邻元胞发生相互作用。

3. **状态转移规则（Transition Rule）：** 元胞的状态在每个时刻根据一定的规则进行更新。这些规则描述了元胞状态如何根据自身状态和邻居的状态而变化。这个规则通常是基于条件判断的，可以是简单的逻辑关系、概率模型等。

4. **时空演化（Temporal and Spatial Evolution）：** CA模型通过迭代时间步骤，模拟系统在时间和空间上的演化。每个时刻，根据状态转移规则更新每个元胞的状态，从而形成新的时刻的状态。

5. **初始条件和边界条件（Initial and Boundary Conditions）：** 模型开始时需要指定初始条件，即每个元胞的初始状态。此外，需要定义边界条件，规定模型在边界处的行为。

6. **可视化与分析（Visualization and Analysis）：** 元胞自动机的演化过程通常通过可视化进行展示，以便观察整体行为。同时，可以通过分析模型的特性，如稳定性、周期性等，来理解系统的性质。

元胞自动机模型的应用非常广泛，涉及到物理、生物、社会等多个领域。例如，它可以用于模拟传染病的传播、城市交通流、晶体的生长等。由于其简单性和可扩展性，元胞自动机是一个强大的工具，可以用来研究复杂系统的自组织和演化行为。

%%奇偶规则游戏
clear;clc;
n = 200;%指定边界长度
Se = zeros(n);
z = zeros(n);
Se(n/2-2:n/2+2,n/2-2:n/2+2)=1;  %初始化中间的点
Ch = imagesc(Se);
axis square;
Sd = zeros(n+2);  %边界
while(true) %死循环
    Sd(2:n+1,2:n+1) = Se;
    sumValue = Sd(1:n,2:n+1)+Sd(3:n+2,2:n+1)+Sd(2:n+1,1:n)+Sd(2:n+1,3:n+2);
    Se = mod(sumValue,2);
    set(Ch,'cdata',Se);
    pause(0.03)
end

 

这段MATLAB代码实现了一个奇偶规则游戏的模拟，其中通过规则来更新图像，并形成连续的演化过程。以下是每一句代码的详细解释：

matlabCopy code

%%奇偶规则游戏 clear;clc;

• %%奇偶规则游戏：在MATLAB中，%%是用来表示标题或分隔符的，这里表示标题为“奇偶规则游戏”。
• clear：清除工作区中的所有变量。
• clc：清除命令行窗口的内容。

matlabCopy code

n = 200;%指定边界长度

• n = 200;：指定边界的长度为200。

matlabCopy code

Se = zeros(n); z = zeros(n);

• Se = zeros(n);：创建一个大小为n×n的全零矩阵Se，用于表示当前状态的点阵。
• z = zeros(n);：创建一个大小为n×n的全零矩阵z，用于之后的操作。

matlabCopy code

Se(n/2-2:n/2+2,n/2-2:n/2+2)=1; %初始化中间的点

• Se(n/2-2:n/2+2,n/2-2:n/2+2)=1;：将Se矩阵中心5×5的区域设为1，用于初始化中间的点。

matlabCopy code

Ch = imagesc(Se); axis square;

• Ch = imagesc(Se);：使用imagesc函数创建一个图像，并将Se矩阵的值映射到颜色图上。
• axis square;：将坐标轴设置为方形，确保图像在显示时不会出现拉伸。

matlabCopy code

Sd = zeros(n+2); %边界

• Sd = zeros(n+2);：创建一个大小为(n+2)×(n+2)的全零矩阵Sd，用于表示边界。

matlabCopy code

while(true) %死循环

• while(true)：进入一个死循环，表示后续代码将一直执行。

matlabCopy code

Sd(2:n+1,2:n+1) = Se; sumValue = Sd(1:n,2:n+1)+Sd(3:n+2,2:n+1)+Sd(2:n+1,1:n)+Sd(2:n+1,3:n+2);

• Sd(2:n+1,2:n+1) = Se;：将Se的值赋给Sd矩阵的中间区域，即忽略Sd矩阵的边界。
• sumValue = Sd(1:n,2:n+1)+Sd(3:n+2,2:n+1)+Sd(2:n+1,1:n)+Sd(2:n+1,3:n+2);：计算每个点周围相邻点的和，用于根据奇偶规则更新图像。

matlabCopy code

Se = mod(sumValue,2); set(Ch,'cdata',Se); pause(0.03)

• Se = mod(sumValue,2);：根据奇偶规则更新Se矩阵中的每个点的值，使用mod函数取余操作。
• set(Ch,'cdata',Se);：更新图像数据。
• pause(0.03)：暂停0.03秒，以便观察图像的更新效果。

matlabCopy code

end

• end：结束while循环。由于条件为true，因此代码将一直执行。

循环体内容

这部分代码是奇偶规则游戏的主要逻辑，它通过一个死循环（while(true)）来模拟游戏的演化过程。让我来逐步解释：

matlabCopy code

while(true) %死循环 Sd(2:n+1,2:n+1) = Se;

• while(true)：创建一个无限循环，表示以下的代码将一直执行，直到手动中断或者程序结束。
• Sd(2:n+1,2:n+1) = Se;：将Se矩阵中的数据复制到Sd矩阵的内部区域。这一步是为了处理边界条件，因为奇偶规则涉及到每个点周围的相邻点，而边界上的点没有完整的相邻点，因此将内部的Se复制到Sd的相应位置，以处理边界的情况。

matlabCopy code

sumValue = Sd(1:n,2:n+1)+Sd(3:n+2,2:n+1)+Sd(2:n+1,1:n)+Sd(2:n+1,3:n+2);

• sumValue：计算每个点周围相邻点的和，通过在Sd矩阵上取相邻点的值。这是奇偶规则游戏的核心逻辑，根据相邻点的奇偶性来决定当前点的状态变化。

在奇偶规则游戏中，每个点的状态（0或1）是由其周围四个相邻点的状态之和的奇偶性决定的。根据规则，如果相邻点状态之和是奇数，当前点状态变为1；如果是偶数，当前点状态保持不变。sumValue 就是用于记录每个点周围相邻点状态之和的矩阵。

这两行代码是奇偶规则游戏模拟中的关键步骤，通过更新Se矩阵的值来实现游戏状态的演化。

这行代码的原理是使用 mod 函数，对 sumValue 矩阵中的每个元素进行取余运算，并将结果存储在 Se 矩阵中。

matlabCopy code

Se = mod(sumValue, 2);

在奇偶规则游戏中，每个点的状态（0或1）是由其周围四个相邻点的状态之和的奇偶性决定的。规则是：如果相邻点状态之和是奇数，当前点状态变为1；如果是偶数，当前点状态保持不变。

mod(sumValue, 2) 的作用是将 sumValue 矩阵中的每个元素都除以2并取余，这样得到的结果就是每个点的状态，即0或1。这是因为，当一个整数除以2时，余数只能是0或1，这正好对应了奇偶规则游戏中的两种状态。

总之，这一行代码通过对 sumValue 矩阵中的元素进行取余运算，实现了奇偶规则游戏中每个点状态的更新。

clear;clc;
%%生命游戏
n = 200;
p = 0.4;
z = zeros(n);
Se = rand(n)<p;
Sd = zeros(n+2);
Ph = imagesc(Se);
while(true)
    Sd(2:n+1,2:n+1)=Se;
    sumValue = Sd(1:n,1:n)+Sd(1:n,2:n+1)+Sd(1:n,3:n+2)+Sd(2:n+1,1:n)+Sd(2:n+1,3:n+2)+Sd(3:n+2,1:n)+Sd(3:n+2,2:n+1)+Sd(3:n+2,3:n+2);
    for i=1:n
        for j=1:n
            if(sumValue(i,j)==3||(sumValue(i,j)==2&&Se(i,j)==1))
                Se(i,j) = 1;
            else
                Se(i,j) = 0;
            end
        end
    end
    set(Ph,'cdata',Se);
    pause(0.05);
end

这段MATLAB代码实现了康威生命游戏（Conway's Game of Life）的模拟。康威生命游戏是一种基于细胞自动机的零玩家游戏，通过简单的规则模拟细胞在一个二维方格上的演化过程。以下是对每一句代码的详细解释：

matlabCopy code

clear;clc;

• clear：清除工作区中的所有变量。
• clc：清除命令行窗口的内容。

matlabCopy code

n = 200; p = 0.4;

• n = 200;：指定方格的边界长度为200。
• p = 0.4;：指定细胞的初始活跃概率为0.4。

matlabCopy code

z = zeros(n);

• z = zeros(n);：创建一个大小为n×n的全零矩阵z，用于之后的操作。

matlabCopy code

Se = rand(n) < p;

• Se = rand(n) < p;：生成一个大小为n×n的随机矩阵，其中每个元素是从0到1的随机数，然后通过比较操作，将小于概率p的元素置为1，大于等于概率p的元素置为0，得到初始的生命状态矩阵Se。

matlabCopy code

Sd = zeros(n+2);

• Sd = zeros(n+2);：创建一个大小为(n+2)×(n+2)的全零矩阵Sd，用于表示边界。

matlabCopy code

Ph = imagesc(Se);

• Ph = imagesc(Se);：使用imagesc函数创建一个图像对象Ph，将初始状态的生命状态矩阵Se映射到颜色图上，并显示图像。

matlabCopy code

while(true)

• while(true)：创建一个无限循环，表示以下的代码将一直执行，直到手动中断或者程序结束。

matlabCopy code

Sd(2:n+1,2:n+1) = Se;

• Sd(2:n+1,2:n+1) = Se;：将Se矩阵中的数据复制到Sd矩阵的内部区域。这一步是为了处理边界条件，因为生命游戏涉及到每个细胞周围的相邻细胞，而边界上的细胞没有完整的相邻细胞，因此将内部的Se复制到Sd的相应位置，以处理边界的情况。

matlabCopy code

sumValue = Sd(1:n,1:n)+Sd(1:n,2:n+1)+Sd(1:n,3:n+2)+Sd(2:n+1,1:n)+Sd(2:n+1,3:n+2)+Sd(3:n+2,1:n)+Sd(3:n+2,2:n+1)+Sd(3:n+2,3:n+2);

• sumValue：计算每个细胞周围相邻细胞的和，通过在Sd矩阵上取相邻细胞的值。这是生命游戏的核心逻辑，根据相邻细胞的数量来决定当前细胞的状态变化。

matlabCopy code

for i=1:n for j=1:n if(sumValue(i,j)==3 || (sumValue(i,j)==2 && Se(i,j)==1)) Se(i,j) = 1; else Se(i,j) = 0; end end end

• 嵌套的循环用于遍历每个细胞，根据康威生命游戏的规则来更新每个细胞的状态。规则是：
  • 如果一个细胞周围有3个相邻细胞，则该细胞变为活跃状态。
  • 如果一个细胞周围有2个相邻细胞，并且该细胞当前是活跃状态，则该细胞保持活跃状态。
  • 其他情况下，细胞变为不活跃状态。

matlabCopy code

set(Ph, 'cdata', Se); pause(0.05);

• set(Ph, 'cdata', Se);：更新图像对象Ph的颜色数据属性cdata为新的生命状态矩阵Se。
• pause(0.05);：暂停0.05秒，以便观察图像的更新。这样可以控制生命游戏的演化速度。

matlabCopy code

end

• end：结束while循环。由于条件为true，因此代码将一直执行。这是一个无限循环，用于模拟生命游戏的不断演化。

澳洲火灾

clear;clc;
%火灾
n = 300;                           % 定义表示森林的矩阵大小
k = 30000;                         % 迭代次数
Pground = 0.8;                     % 从着火变成空地的概率
Plight = 5e-6; Pgrowth = 1e-3;      % 定义闪电和生长的概率  
P2=0.7; %旁边有火，树着火的概率
UL = [n,1:n-1]; DR = [2:n,1];      % 定义上左，下右邻居
veg=zeros(n,n)+2;                    % 初始化表示森林的矩阵
imh = image(cat(3,veg,veg,veg));   % 可视化表示森林的矩阵
Sd = zeros(n+2);                 %边界
% veg = 空地为0 着火为1 树木为2
for i=1:k
    Sd(2:n+1,2:n+1) = veg;
    sumValue = (Sd(1:n,2:n+1)==1)+(Sd(2:n+1,1:n)==1)+(Sd(2:n+1,3:n+2)==1)+(Sd(3:n+2,2:n+1)==1);
    for p=1:n
        for q=1:n
            if(veg(p,q)==2 && ((sumValue(p,q)>0 && rand()<P2)||rand()<Plight))
                %首先要是树，而且需要邻居有火，就会一定概率着火;或者被雷劈了,就会直接着火
                veg(p,q)=1;
            elseif(veg(p,q)==1&&rand()<Pground)
                %如果是火且满足概率，则变为空地
                veg(p,q) = 0;
            elseif(veg(p,q)==0&&sumValue(p,q)==0&&rand()<Pgrowth)
                %如果是空地，且周围没有火，那么以一定概率长成树
                veg(p,q) = 2;
            end
        end
    end
    set(imh, 'cdata', cat(3,(veg==1),(veg==2),zeros(n)))
    drawnow  
end

这两行代码用于初始化和可视化表示森林的矩阵。

matlabCopy code

veg=zeros(n,n)+2; % 初始化表示森林的矩阵

• veg 是一个大小为 n×n 的矩阵，用于表示森林。初始时，所有的元素都被赋值为 2，这代表树木的状态。这行代码通过 zeros(n, n) 创建一个全零矩阵，然后将所有元素加上 2。

matlabCopy code

imh = image(cat(3, veg, veg, veg)); % 可视化表示森林的矩阵

• image(cat(3, veg, veg, veg)) 用于可视化表示森林的矩阵。cat(3, veg, veg, veg) 将 veg 矩阵在第三维度上重复三次，得到一个 RGB 彩色图像，其中树木用灰色表示。image 函数用于在 MATLAB 中显示图像。imh 是一个图像句柄，通过这个句柄可以后续更新图像，实现动态的可视化效果。

综合起来，这两行代码初始化了表示森林的矩阵，并创建了一个图像对象 imh，该图像对象以灰色表示树木。这个图像对象在后续的模拟中会被更新，以反映森林中树木和火的状态。

这段代码模拟了一个简单的火灾传播模型，其中森林中的树木和火的状态通过迭代进行更新。下面是对代码的详细解释：

matlabCopy code

for i = 1:k Sd(2:n+1, 2:n+1) = veg;

• for i = 1:k：外层循环，控制模拟的总迭代次数。
• Sd(2:n+1, 2:n+1) = veg;：将森林状态矩阵 veg 复制到边界矩阵 Sd 的内部区域。这一步是为了处理边界条件，因为火灾传播需要考虑边界上的细胞周围的相邻细胞状态。

matlabCopy code

sumValue = (Sd(1:n, 2:n+1) == 1) + (Sd(2:n+1, 1:n) == 1) + (Sd(2:n+1, 3:n+2) == 1) + (Sd(3:n+2, 2:n+1) == 1);

• sumValue：计算每个树木周围相邻区域内的火的数量。该行代码使用 Sd 矩阵中的值，判断周围相邻细胞状态是否为1（着火状态），并将结果相加。这样可以得到每个树木周围有多少个相邻细胞处于着火状态。

matlabCopy code

for p = 1:n for q = 1:n if (veg(p, q) == 2 && ((sumValue(p, q) > 0 && rand() < P2) || rand() < Plight)) % 如果是树，而且周围有火，就有一定概率着火;或者被雷劈了,就会直接着火 veg(p, q) = 1; elseif (veg(p, q) == 1 && rand() < Pground) % 如果是火且满足概率，则变为空地 veg(p, q) = 0; elseif (veg(p, q) == 0 && sumValue(p, q) == 0 && rand() < Pgrowth) % 如果是空地，且周围没有火，那么以一定概率长成树 veg(p, q) = 2; end end end

• 嵌套的两个循环用于遍历森林中的每个位置 (p, q)。
• 如果当前位置是树木（veg(p, q) == 2）并且满足条件（周围有火且随机概率小于 P2 或者直接被雷劈，随机概率小于 Plight），则该位置的树木着火（veg(p, q) = 1）。
• 如果当前位置是火（veg(p, q) == 1）并且随机概率小于 Pground，则该位置的火熄灭变为空地（veg(p, q) = 0）。
• 如果当前位置是空地（veg(p, q) == 0）且周围没有火，且随机概率小于 Pgrowth，则该位置的空地长出树木（veg(p, q) = 2）。

这样，通过迭代模拟，整个森林中的树木和火的状态会根据一定的概率规则不断更新，模拟了火灾的传播过程。

这行代码用于更新图像对象 imh 的颜色数据属性，以实时反映当前森林状态。下面是对这行代码的详细解释：

matlabCopy code

set(imh, 'cdata', cat(3, (veg == 1), (veg == 2), zeros(n)))

• set(imh, 'cdata', ...)：这是 MATLAB 中用于设置图形对象属性的函数。imh 是表示图像的句柄，即图像对象。
• 'cdata'：表示颜色数据属性，即图像的颜色信息。

cat(3, (veg == 1), (veg == 2), zeros(n))：

• cat(3, ...)：将输入的矩阵在第三个维度上进行拼接。在这里，将三个矩阵在第三个维度上堆叠，形成一个RGB图像。
• (veg == 1)：一个逻辑矩阵，其中1表示树木着火的位置。
• (veg == 2)：一个逻辑矩阵，其中1表示树木的位置。
• zeros(n)：一个大小为 n×n 的全零矩阵，表示空地的位置。

最终，cat(3, (veg == 1), (veg == 2), zeros(n)) 将这三个矩阵按照RGB通道的方式进行堆叠，形成一个三通道的图像。其中，树木着火的位置用红色表示（RGB中的红通道为1，绿和蓝通道为0），树木的位置用绿色表示（RGB中的绿通道为1，红和蓝通道为0），空地的位置用黑色表示（RGB中的三个通道都为0）。

通过这样的处理，图像对象 imh 的颜色数据被更新，以反映当前森林的状态，使得图像在每次迭代中都会实时更新显示。