python 环形图_用Python致敬「生命游戏」的发明者——约翰·康威

2020年4月11日，普林斯顿大学数学系教授约翰·康威(John Horton Conway)因新冠肺炎去世，终年82岁。

约翰·何顿·康威（John Horton Conway，1937年12月26日－2020年4月11日）

英国皇家学会前主席、数学界的权威人士迈克尔·阿蒂亚（Michael Atiyah）爵士说：

「康威是世界上最神奇的数学家」。

天才数学家陶哲轩写道：

「康威可以说是所有数学家构成的凸包中的extreme point」。

约翰·何顿·康威，1937年生于英国利物浦，数学家，在组合博弈论、有限群的研究、趣味数学、纽结理论、数论、和编码学等领域都作出过卓越贡献。

• 在组合博弈论领域，康威创立了一种新的数字系统——超现实数(surreal numbers)，发明了用来表示大数的康威链式箭号表示法(Conway chained arrow notation)。
• 在几何学领域，康威创立了一个用于描述多面体的符号系统，称为康威多面体表示法(Conway polyhedron notation)，提出了一种密铺数学理论——康威准则(Conway criterion)；
• 在几何拓扑学领域，康威提出了一种表示不同纽结的方法——基于亚历山大多项式的康威多项式(Conway polynomial)，发明了一种描述纽结的符号系统——康威符号(Conway notation)。
• 研究有限简单群的分类，提出康威群(Conway groups)；
• 与西蒙·诺顿(Simon P. Norton)一起提出怪兽月光理论(monstrous moonshine)。
• 为了推算某天是星期几，康威发明了末日规则(Doomsday rule)。康威通常能在两秒钟内给出正确答案。

在康威众多成就中，最被世人熟知的莫过于「生命游戏」了。

Conway 生命游戏

「生命游戏」不是一个用来玩的游戏，「生命游戏」其实是「细胞自动机」，即网格上的一组彩色细胞，根据定义相邻细胞状态的一组规则，经过时间逐步演进。它的发明者康威称之为「零玩家、永无结局」。

1970年，「生命游戏」的基本规则刊登在《科学美国人》杂志的专栏上，被计算机程序实现后，曾在20世纪70年代风靡一时。

三叶结上的「生命游戏」

高德纳曾做出评论：

「生命游戏」所有规则都是确定性的，但游戏的演进过程却给人一种自主性的感觉。

如今，「生命游戏」既是几乎所有学习编程和算法的人都会做到的练习题，也是充满哲理和智慧的发问——

什么样的生存空间对我们来讲是最合适的？
生物个体之间的互动会如何影响到种群的分布和演化？

让我们近距离感受下「生命游戏」是什么，以及如何用Python实现「生命游戏」。用这种特殊的方式，向这位天才数学家致敬。

「生命游戏」工作原理

设定细胞处于ON（活）或OFF（死）状态，然后为每个细胞分配一个初始状态，由数学规则决定其状态如何随时间而改变。

Conway「生命游戏」的4个规则：

1. 如果一个细胞为ON，邻居中少于两个为ON，它变为OFF。（模拟生命数量过少）
2. 如果一个细胞为ON，邻居中有两个或3个为ON，它保持为ON。
3. 如果一个细胞为ON，邻居中超过3个为ON，它变为OFF。（模拟生命数量过多）
4. 如果一个细胞为OFF，邻居中恰好有3个为ON，它变为ON。（模拟繁殖）

模拟中的给定细胞(i, j)用二维数组[i][j]来存取，其中 i 和 j 分别是行和列的下标。

生命游戏建立在9个方格的网格中，每个细胞有8个相邻细胞，如图1所示。

在给定时间段，给定细胞的值取决于前一时间段它的邻居的状态。

图1 8个相邻细胞

在网格边缘的细胞，我们可以采用环形边界条件解决这个问题。

如图2所示，正方形网格先卷起来，使它的水平边缘（A和B）相连，形成一个圆柱体，然后圆柱体的垂直边缘（C和D）相连，以形成一个环面。形成环面后，所有细胞都有邻居，因为整个空间没有边缘。

图2 环型边界条件的概念视图

这类似于Pac-Man（吃豆子）在边界的工作方式。如果超出了屏幕的顶部，就会重新在底部出现。如果超出了屏幕的左侧，就会重新在右侧出现。这种边界条件在二维模拟中很常见。

以下是算法描述：

1. 初始化网格中的细胞。
2. 在模拟的每个时间段，对于网格中每个细胞(i, j)，执行下面的操作：
   1. 根据它的邻居更新细胞(i, j)的值，同时考虑到边界条件；
   2. 更新网格值的显示。

代码

我们将在Python解释器中一点一点地模拟编写代码，考察不同部分所需的代码片段。

用 numpy 数组和 matplotlib 库来显示模拟的输出，用 matplotlib animation 模块更新模拟。

导入该项目使用的模块：

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> import matplotlib.animation as animation

• 表示网格

为了在网格上表示细胞的活（ON）或死（OFF），分别用 255 和 0 作为 ON 和 OFF 的值。

可以采用 matplotlib 的 imshow() 方法，来显示网格当前的状态，将一个数字矩阵表示为一张图像。

输入以下内容：

❶ >>> x = np.array([[0, 0, 255], [255, 255, 0], [0, 255, 0]])
❷ >>> plt.imshow(x, interpolation='nearest')
   plt.show()

在❶行，定义了3×3的二维numpy数组，数组中的每个元素是一个整数值。

在❷行，用 plt.show() 方法将这个矩阵的值显示为图像，并给 interpolation 选项传入'nearest'值，以得到尖锐的边缘（否则是模糊的）。

图3展示了这段代码的输出。

图3 显示网格的值

注意，0（OFF）显示为暗灰色，255（ON）显示为浅灰色，这是 imshow() 使用的默认颜色。

• 初始条件

要开始模拟，先为二维网格中的每个细胞设置一个初始状态。

若采用随机的初始状态，就使用numpy中random模拟的choice()方法。

输入以下内容：

np.random.choice([0, 255], 4*4, p=[0.1, 0.9]).reshape(4, 4)

输出：

array([[255, 255, 255, 255],
     [255, 255, 255, 255],
     [255, 255, 255, 255],
     [255, 255, 255, 0]])

np.random.choice从给定的列表[0,255]中选择一个值，每个值出现的概率由参数p=[0.1, 0.9]指定。这里，你要求0出现的概率是0.1（或10%），255出现的概率是90%（p中两个值相加必须等于1）。因为这个choice()方法创建了16个值的一维数组，所以用.reshape使它成为一个二维数组。

若要建立初始条件来匹配特定图案，而不是只填入一组随机值，就将二维网格初始化为零，然后用一个方法在网格的特定行和列增加一个图案，如下所示：

def addGlider(i, j, grid):
   """adds a glider with top left cell at (i, j)"""
 ❶  glider = np.array([[0, 0, 255],
             [255, 0, 255],
             [0, 255, 255]])
 ❷   grid[i:i+3, j:j+3] = glider
 ❸ grid = np.zeros(N*N).reshape(N, N)
 ❹ addGlider(1, 1, grid)

在❶行，用3×3的numpy数组定义了滑翔机图案（看上去是一种在网格中平稳穿越的图案）。在❷行，可以看到如何用numpy的切片操作，将这种图案数组复制到模拟的二维网格中，它的左上角放在i和j指定的坐标。在❸行，创建N×N的零值数组，在❹行，调用addGlider()方法，初始化带有滑翔机图案的网格。

• 边界条件

如何实现环形边界条件。

首先，让我们看看在N×N网格的右边缘会发生什么情况。i行最后一个细胞用grid[i][N-1]来访问。它右侧的邻居是grid[i][N]，但根据环形边界条件，grid[i][N]访问的值应该由grid[i][0]代替。下面是一种实现方法：

if j == N-1:
   right = grid[i][0]
 else:
   right = grid[i][j+1]

当然，需要在网格的左侧，顶部和底部应用类似的边界条件，但这样做要加入许多代码，因为需要检测网格的4个边缘。更简洁的方式是用Python的取模（%）运算符，如下所示：

 >>> N = 16
 >>> i1 = 14
 >>> i2 = 15
 >>> (i1+1)%N
 15
 >>> (i2+1)%N
 0

如你所见，%运算符给出整数除以N的余数。可以用这个运算符让值在边缘折返，像这样重写网格访问代码：

right = grid[i][(j+1)%N]

现在，如果一个细胞在网格边缘（换言之，如果j= N-1），用这种方法请求右边的细胞就会得到(j +1) %N，这将j设回0，让网格右侧卷曲到左侧。如果在网格底部做同样的事，它就折返到顶部。

• 实现规则

生命游戏的规则基于相邻细胞的ON或OFF数目。为了简化这些规则的应用，可以计算出处于ON状态的相邻细胞总数。因为ON状态的值为255，所以可以对所有相邻细胞的值求和，再除以255，来获得ON细胞的数量。下面是相关的代码：

      # apply Conway's rules
       if grid[i, j] == ON:
 ❶         if (total < 2) or (total > 3):
           newGrid[i, j] = OFF
       else:
          if total == 3:
 ❷           newGrid[i, j] = ON

在❶行，如果少于2个相邻细胞为ON或多于3个相邻细胞为ON，该细胞就由ON变成OFF。

❷行代码仅适用于OFF细胞：如果恰好有3个相邻细胞为ON，该细胞就变成ON。

• 向程序发送命令行参数

下面的代码向程序发送命令行参数：

# main() function
 def main():
   # command line argumentss are in sys.argv[1], sys.argv[2], ...
   # sys.argv[0] is the script name and can be ignored
 ❶  # parse arguments
    parser = argparse.ArgumentParser(description="Runs Conway's Game of Life
     simulation.")
    # add arguments
 ❷   parser.add_argument('--grid-size', dest='N', required=False)
 ❸   parser.add_argument('--mov-file', dest='movfile', required=False)
 ❹   parser.add_argument('--interval', dest='interval', required=False)
 ❺   parser.add_argument('--glider', action='store_true', required=False)
     args = parser.parse_args()

main()函数首先定义了程序的命令行参数。在❶行，用argparse类为代码添加命令行选项，然后在接下来几行中添加各种选项。在❷行，指定模拟网格的大小N。在❸行，指定保存.mov文件的名称。在❹行，设置动画更新间隔的毫秒数。在❺行，用滑翔机图案开始模拟。

• 初始化模拟

接下来一段，对模拟初始化：

  # set grid size
   N = 100
   if args.N and int(args.N) > 8:
     N = int(args.N)
 
   # set animation update interval
   updateInterval = 50
   if args.interval:
     updateInterval = int(args.interval)
 
   # declare grid
 ❶　 grid = np.array([])
   # check if "glider" demo flag is specified
   if args.glider:
     grid = np.zeros(N*N).reshape(N, N)
     addGlider(1, 1, grid)
   else:
     # populate grid with random on/off - more off than on
     grid = randomGrid(N)

仍在main()函数内，命令行选项解析后，这部分代码应用命令行传入的所有参数。例如，❶行后的几行设置初始条件，要么是默认的随机图案，要么是滑翔机图案。最后，设置动画。

  # set up the animation
 ❶　 fig, ax = plt.subplots()
   img = ax.imshow(grid, interpolation='nearest')
 ❷　 ani = animation.FuncAnimation(fig, update, fargs=(img, grid, N, ),
                  frames=10,
                  interval=updateInterval,
                  save_count=50)
 
   # number of frames?
   # set the output file
   if args.movfile:
     ani.save(args.movfile, fps=30, extra_args=['-vcodec', 'libx264'])
 
   plt.show()

在❶行，配置matplotlib的绘图和动画参数。在❷行，animation.FuncAnimation()调用函数update()，该函数在前面的程序中定义，根据Conway生命游戏的规则，采用环形边界条件来更新网格。

完整程序可从GitHub下载

https://github.com/electronut/pp/blob/master/conway/conway.py

运行模拟「生命游戏」

现在运行代码：

$ python3 conway.py

这里采用模拟的默认参数：100×100个细胞的网格，50毫秒的更新间隔。

观看模拟时，你会看到它如何进行，随着时间的推移创建并保持各种图案，如图4所示。

图4 进行中的生命游戏

图5展示了模拟中可以寻找的一些图案。除了滑翔机，请寻找3细胞的闪光灯，以方块或面包的形状等静态图案。

现在，改变一下，用这些参数来运行模拟：

$ python conway.py --grid-size 32 --interval 500 --glider

这里创建了32×32的模拟网格，每500毫秒更新动画，并采用初始的滑翔机图案，如图5所示。

图5 生命游戏中的图案

这里的实现更强调简单，而不是性能。有许多不同的方式可以加快生命游戏的计算，快速在互联网搜索一下，会发现很多这样的研究。

实验

下面有一些方法，可以进一步试验Conway「生命游戏」。

1．编写addGosperGun()方法，在网格中添加如图6所示的图案。这种图案被称为“高斯帕滑翔机枪（Gosper Glider Gun）”。运行模拟并观察枪的行为。

2．编写readPattern()方法，从文本文件读取初始图案，并用它来设置模拟的初始条件。下面是该文件的建议格式：

8
 0 0 0 255 ...

图6 高斯帕滑翔机枪

该文件的第一行定义了N，其余部分是N×N个整数（0或255），由空格隔开。你可以用Python的方法，如open和file.read来实现。这种探索有助于研究任何给定的图案在生命游戏规则下是如何演变的。添加命令行选项--pattern-file，在运行程序时使用此文件。

========

「生命游戏」展现了简单可以如何产生复杂，就像数学领域乃至整个宇宙一样。

「生命游戏」的算法很简单，但它所提出的问题却发人深思。生存空间太大或者太小对发展都是不利的，在一个极度地广人稀的地方，比如在欧美一些地区，O2O的服务，甚至5G通信都不可能发展起来，因为人口的密度太低。

但是，如果人口密度太高，也会存在无限的风险，从这次全球公共卫生事件就能看出来。

「生命游戏」充满了随机性，看似终结却也有可能是新的开始，就像康威所说「零玩家、永无结局」。

康威的一生启蒙了千千万万的研究者。陶哲轩缅怀道：“我们会记住这样一个有趣的灵魂，我们会怀念这样一个有趣的灵魂！”

愿他在天堂能继续自己的「生命游戏」，永无结局。

---

以上代码教程部分，节选自《Python极客项目编程》一书，作者：[美] Mahesh Venkitachalam，有删改。

参考文献

• 《Python极客项目编程》. [美]Mahesh Venkitachalam 著；
• https://new.qq.com/omn/20200419/20200419A0DE4900
• http://wiki.swarma.net/index.php/%E5%BA%B7%E5%A8%81

题图来源：Freepik ，作者：jcomp