正如jabberwocky正确指出的，您的问题是
我创建了一个类，用于初始化和更新CA数据，并创建了函数"Simulate"，用于根据火在树上蔓延并留下空白的规则更新单元格。根据给定的概率，用树替换空的空间。
出现了一个问题，我的函数似乎将规则应用于当前时间数据持有者，而不是以前的时间数据持有者。我已经将prevstate = self.state设置为上一次迭代的临时数据持有者，但在运行小测试时，我发现它给出的结果与我根本没有包含这一行的结果相同。我做错了什么？
import numpy as np
import random
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap, colorConverter
from matplotlib.animation import FuncAnimation
#dimentions:
x = 10
y = 10
lighting = 0 #set to 0 for testing
grow = 0.3
#parameter values
empty = 0
tree = 1
fire = 2
random.seed(1)
#CA Rule definition
def update(mat, i, j, lighting, grow, prob):
if mat[i, j] == empty:
if prob < grow:
return tree
else:
return empty
elif mat[i, j] == tree:
if max(mat[i-1, j], mat[i+1, j], mat[i, j-1], mat[i, j+1]) == fire:
return fire
elif prob < lighting:
return fire
else:
return tree
else:
return empty
########## Data Holder
class Simulation:
def __init__(self):
self.frame = 0
#self.state = np.random.randint(2, size=(x, y)) commented out for testing
self.state = np.ones((x, y))
self.state[5, 5] = 2 #initial fire started at this location for testing
def updateS(self):
prevstate = self.state #line of code i think should be passing previous iteration through rule
for i in range(1, y-1):
for j in range(1, x-1):
prob = random.random()
self.state[i, j] = update(prevstate, i, j, lighting, grow, prob)
def step(self):
self.updateS()
self.frame += 1
simulation = Simulation()
figure = plt.figure()
ca_plot = plt.imshow(simulation.state, cmap='seismic', interpolation='bilinear', vmin=empty, vmax=fire)
plt.colorbar(ca_plot)
transparent = colorConverter.to_rgba('black', alpha=0)
#wall_colormap = LinearSegmentedColormap.from_list('my_colormap', [transparent, 'green'], 2)
def animation_func(i):
simulation.step()
ca_plot.set_data(simulation.state)
return ca_plot
animation = FuncAnimation(figure, animation_func, interval=1000)
mng = plt.get_current_fig_manager()
mng.window.showMaximized()
plt.show()
欢迎对实现CA的更好方法发表任何意见！
Python赋值是指针。。。因此，当您更新self.state时，prevstate也会更新。
我希望如果你设置为：
prevstate = copy.copy(self.state)
这应该能解决你的问题。
复制文档
prevstate = self.state行使prevstate成为对与self.state相同的numpy数组的新引用，因此修改其中一个数组的内容也会修改另一个数组。
然而，与其在每次迭代中复制数组，不如预先分配两个数组并交换它们，类似于这样：
class Simulation:
def __init__(self):
self.frame = 0
self.state = np.ones((x, y))
self.state[5, 5] = 2
self.prevstate = np.ones((x, y)) # <-- add this line
def updateS(self):
self.state, self.prevstate = self.prevstate, self.state # <-- swap the buffers
for i in range(1, y-1):
for j in range(1, x-1):
prob = random.random()
self.state[i, j] = update(self.prevstate, i, j, lighting, grow, prob)
我说"稍微"是因为你真正保存的只是一个numpy数组副本和一些垃圾收集器的工作。然而，如果您对内部状态更新循环进行了足够的优化——例如，使用numba实现CA规则——那么额外阵列副本的相对成本将开始变得非常高。无论如何，使用这种"双重缓冲"方法并没有真正的不利因素，所以这是一个好习惯。