14.3.4 实现智能动物和捕食者

14.3.4 实现智能动物和捕食者

计算动物和捕食者的新位置的算法，在 C# 和 F# 中，看起来很相似，因为，我们可以使用相同的集合处理函数，来实现它们。在 F# 和其他标准的函数式语言中，这些都属于标准库，在 C# 3.0 中，可使用 LINQ。我们将在接下来的两小节中，来讨论这些算法，每一小节展示一种语言。

在 F# 中移动动物

让我们从一个函数开始，取一个动物和当前状态的位置作为参数值，返回这个动物的新位置。在这个仿真中，我们将有大约 100 个动物，必须计算所有动物的新位置。这意味着，它可能是不值得的，使这个函数在一个调用内，以并行方式运行其逻辑。相反，我们会在稍后并行化许多函数调用。找出在哪里拆分这个计算的，是并行化应用程序的重要组成部分。

清单 14.25 实现了动物行为，在通过仿真世界中，生成 10 个随机地点，找出在哪儿最安全。这是通过看到这个位置的直接路径，计算附近的捕食者有多近实现的。

Listing 14.25 Implementing the animal behavior (F#)

let moveAnimal (state:Simulation) (animPos:Vector) =
let nearestPredatorDistanceF<wbr>rom(pos) =<br> state.Predators<br> |&gt; Seq.map (distance pos) |&gt; Seq.min</wbr>

let nearestPredatorDistanceO<wbr>nPath(target) =<br> getPathPoints(10, animPos, target)<br> |&gt; Seq.map nearestPredatorDistanceF<wbr>rom |&gt; Seq.min</wbr></wbr>

let target =
randomLocations(10)
|> Seq.maxBy nearestPredatorDistanceO<wbr>nPath</wbr>

animPos + (target - animPos) *
(20.0 / (distance target animPos))

清单 14.25 首先实现两个本地的工具函数。第一个函数使用 Seq.map 来计算每个捕食者与指定的位置之间的距离，然后，使用 Seq.min 找出其中的最短距离。第二个函数在这个动物的当前的位置和指定的目标的路径是，查找最近的捕食者，通过检查它们之间路径上的几个点实现。

接下来，我们选择动物的目标位置。我们生成 10 随机的位置，然后选择一个动物可以到达的位置，而呆得尽可能远离捕食者。用 Seq.maxBy 做，返回的元素给指定的函数，返回最大值。在我们的例子中，这个函数将返回最短的距离，在捕食者与从动物的当前位置到随机生成的目标路径之间。最后，我们使用 Vector 类型的重载运算符，计算并返回动物的新位置。每次函数调用，动物在生成的最佳方向上移动 20 点。

我们将使用类似的算法来移动捕食者，但是，显然具有不同的目标。捕食者也将生成随机位置，然后，在最佳的方向上移动。下面一小节显示了代码的 C# 版本。

在 C# 中移动捕食者

确定捕食者的最佳目标的算法有点困难。我们要使捕食者沿着的路径直，有最多的动物和最少的其它捕食者。实现这个算法的 C# 方法展示在清单 14.26。这是Simulation 类的一部分，它可以很容易地访问其它捕食者和动物。（这就是不需要取当前状态作为参数的原因，像我们在 F# 动物行为的函数中所做的；当前状态用 this。）

Listing 14.26 Implementing the predator behavior (C#)

int CountCloseLocations(IEnumerable<Vector> an, Vector pos) {
return an.Where(a =>
Distance(a, pos) < 50).Count();
}

int CountCloseLocationsOnPat<wbr>h(IEnumerable&lt;Vector&gt; an,<br> Vector pfrom, Vector ptarget) {<br> return GetPathPoints(10, pfrom, ptarget)<br> .Sum(pos =&gt; CountCloseLocations(an, pos));<br> }</wbr>

Vector MovePredator(Vector predPos) {
var target = RandomLocations(20).MaxBy(pos =>
CountCloseLocationsOnPat<wbr>h(Animals, predPos, pos) -<br> CountCloseLocationsOnPat<wbr>h(Predators, predPos, pos) * 3);</wbr></wbr>

return predPos + (target - predPos) *
(10.0 / Distance(target, predPos));
}

在动物移动的 F# 代码中，我们首先实现两个本地辅助函数。在 C# 中，我们把类似的辅助函数实现为普通的方法。原则上，我们也可以使用本地 lambda 函数，但是，我们决定使用更典型的 C# 方法，以使代码更简单。

第一个方法取一个向量的集合（可以是动物的集合，也可以是捕食者的集合），计臬出靠近指定点的有多少。第二个辅助函数计算出在整个路径上，有多少捕食者靠近选定点的和。这是通过在路径上生成一个点的集合实现，对每个点调用第一个方法，计算结果的和。如果在路径上有多个点靠近，可以一个捕食者多次。实际上，这并不是问题，因为，如果一个捕食者靠近多个点，它可能更危险。

要实现捕食者的行为，我们生成 20 个随机位置，选择一个有最多的动物、最少捕食者的位置，靠近捕食者的当前位置和目标之间的路径。每个随机位置，我们两次调用 LocationsOnPath，计算这个"分值"。我们把捕食者邻近的数乘以一个常数，使它更明显，因为在整个仿真世界中的捕食者的数量太少。MaxBy 扩展方法返回有最大分值的位置。这个方法并不是一个标准的 LINQ 运算符，但是，你可以在本书的网站上，完整的仿真源代码中找到它的实现。

现在，我们已经有了计算动物和捕食者的新位置的函数，终于可以实现仿真的更大一步的函数。需要计算所有动物和捕食者的新位置，所以，这将是在仿真中引入并行度的最佳地方。