NetLogo中基于行尸走肉的建模 基于Agent的建模项目，用于在NetLogo中建模《行尸走肉》。 该项目是2017年Spring期末项目。 前提条件和安装 跑步 下载rar文件。 双击.nlogo扩展文件并打开。 点击设置按钮 点击开始按钮 问题描述 人类反对僵尸。 有两种人：食品收集者和猎人。 这两种人必须与僵尸合作才能生存。 蓝色物体：僵尸 绿色物体：食品收藏家 白色物体：猎人 红色的地方：现有食品 黄色的地方：空的食物的地方 系统图 实验计划 4项政策 3个不同级别的3个关键参数 每个策略27（3x3x3）个不同的方案 30次复制 每个策略运行810（30x27） 全部训练6-7小时 4种不同的政策 参考案例：main.nlogo 猎人团体运动：hunter group.nlogo 僵尸的团体运动：zombie group.nlogo 庇护所：housing_

NL4Py NetLogo的Python控制器接口。 NL4Py使用远程过程调用体系结构，允许Python客户端代码控制NetLogoWorkspaceController服务器上的NetLogo工作区。 NL4Py支持通过单个Python客户端控制多个工作区。 阅读关于arXiv的NL4Py文章： ://arxiv.org/pdf/1808.03292.pdf NL4Py已通过Python 3.6.2的测试 要求 NL4Py可与NetLogo 6.0、6.1和6.2一起使用 NL4Py需要JDK 1.8 NL4Py要求将与Python分发一起安装 安装 您可以使用pip-tools安装NL4Py： pip install nl4py 用法 要在您的python代码中使用nl4py，请使用： import nl4py 并使用以下命令启动NetLogoControllerSer

图论 介绍 图论有时被称为复杂网络或网络科学或网络分析，是离散数学中最前卫的研究领域之一，也是我最喜欢的学科之一。 在这里，“图形”是首选名称，因为太多的人将“网络”一词与互联网联系在一起。 鉴于数据科学的繁荣，图论一直被机器学习的炒作所笼罩。 但是，一些一流的技术公司（例如Google和Facebook）在很大程度上依赖于图论的研究。 该存储库旨在增加图论对所有读者的了解。 它包含常见的图形算法，流行的网络模型，有趣的基于代理的仿真和惊人的复杂系统。 代码范围从基本级别到复杂级别，在生态学，流行病学，社会学，经济学，金融学等领域都有广泛的应用。Julia和Python均用于构建不同的脚本。 随着我逐渐攀升学习曲线，越来越多的有趣内容将会涌现出来。 敬请关注！ 目录 演算法 马图拉·贝克（Matula Beck） 原始 应用领域 疫情暴发 外汇套利 人居竞赛 人居占用 核心 骑士之旅