文章目录
概述
本章借助matplotlib
包,模拟疫情传播,有两种思路:
- 使用面向对象的方式,每个人为一个独立对象
- 使用矩阵的方式
方法1. 面向对象方式
面向对象的方式,每个人为一个独立对象,算法:
- 遍历所有对象:
- 更新当前对象位置(移动)
- 计算当前对象到其他所有人的相对距离
- 根据距离,感染率等因素,改变对象邻居当前的状态。
算法逻辑非常简单,但是可以看到会嵌套多次循环,时间复杂度为: O ( n 2 ) O(n^2) O(n2)
1. 导入包
import numpy as np
import matplotlib.pyplot as plt
2. 全局参数
# 地图宽度
width = 100
# 总人口
pop = 2000
# 初始病人数量
n = 10
# 感染半径
sd = 10
# 感染几率 50%
sr = 0.5
3. 定义人
- 坐标:随机分布
- 颜色:绿色代表健康,红色代表感染
- 运动函数:人随机运动
# 人
class People(object):
def __init__(self):
# 随机坐标
self.x = np.random.rand() * width
self.y = np.random.rand() * width
self.loc = np.array([self.x, self.y])
self.color = 'g'
# 随机运动
def move(self):
self.x += np.random.randn()
self.y += np.random.randn()
4. 环境
- 按照人口生成不同的人口对象
- 随机选择病源
# 人群
all_people = np.array([People() for i in range(pop)])
# 初始化患病人群
sick_people = np.random.choice(all_people, size=n, replace=False)
for p in sick_people:
p.color = "r"
5. 病毒感染
- 遍历所有人群,区分患者与普通人
- 遍历患者:
- 遍历所有人,计算与当前患者的距离
- 当目标与患者距离小于传播半径,则有一定几率感染。
- 遍历所有人,计算与当前患者的距离
- 返回患病熟料
# 病毒感染函数
def affect(all_people):
sick_people = []
healthy_people = []
n = 0
for p in all_people:
if p.color == "r":
sick_people.append(p)
n += 1
if p.color == "g":
healthy_people.append(p)
for sp in sick_people:
for hp in healthy_people:
dist = np.linalg