python mesa包教程

python中的mesa包预制了一些类，提供了一些基础模型，可以大大简化abm建模的工作量。在python中实现，也有利于和其它算法相结合。本文是一次作业，按照个人理解把mesa包教程整理，代码压缩成了两大部分。如果是新手上手，建议查看下方的官方链接，在jupyter notebook里一步一步运行代码。

mesa包的英文简介

https://mesa.readthedocs.io/en/latest/tutorials/intro_tutorial.html

模型构造

建模一个简单的模型：
强假设（只要有钱就把钱给邻居）下财富的流动，观察基尼系数变化

主要的类与类图

一个未明确任何功能的，简单的agent模型，含有如下类，分别是：

• 实例化的模型，对于每一个具体问题应当是唯一的
• 主体或智能体（agent），在启动模型前应对其进行实例化，通常一个模型有多个agent（实现观察涌现性等功能）
• 调度器（schedule），控制每一个时间步（ticks）里agent的动作（step()）顺序，如同时（即并行），随机串行运行。随机串行是最常见也是最简单的控制方式
• 网格（grids）提供两种SingleGrid和MultiGrid，前者一个格子空间上只能有一个agent，而后者一个格子上可以由多个agent
• 数据收集类(DataCollector)，收集模型级变量, agent级别变量和其它变量（下图省略）
• 控制模型运行类(BatchRunner),使用固定的参数多次生成和运行模型，查看结果的情况。可消除随机误差（下图省略）
  类图：
  

代码

不考虑agent的位置，随机把钱给其它agent

注意，下面的代码使用的是jupyter notebook，可以复制到自己的jupyter里面按顺序运行

from mesa import Agent, Model
from mesa.time import RandomActivation

先定义MoneyModel类，因为下面MoneyAgent类实现时要调用，具体参见上方类图，二者存在一对多的组合关系

class MoneyModel(Model):
    """A model with some number of agents."""
    def __init__(self, N):
        self.num_agents = N
        self.schedule = RandomActivation(self)
        # Create agents
        for i in range(self.num_agents):
            a = MoneyAgent(i, self)
            self.schedule.add(a)

    def step(self):
        '''Advance the model by one step.'''
        self.schedule.step()

定义MoneyAgent类

class MoneyAgent(Agent):
    """ An agent with fixed initial wealth."""
    def __init__(self, unique_id, model):
        super().__init__(unique_id, model)
        self.wealth = 1
    def step(self):
        # The agent's step will go here.
        # For demonstration purposes we will print the agent's unique_id
        if self.wealth == 0:
            return
        other_agent = self.random.choice(self.model.schedule.agents) # 需要随机从所有agent中选择，同时可能会选中自己
        other_agent.wealth += 1
        self.wealth -= 1

创建10个agent，并运行10步

model = MoneyModel(10)
for i in range(10):
    model.<