Práctica Automatas Celulares

    Problema de condensación (archivos gotas.m gotas_sim.m gotas_cluster.m clusters.m)


    Este es un ejemplo de autómata en 2 dimensiones donde el sistema percola cuando la densidad inicial es 0.25. También se incluye un código para medir clusters y hacer la distribución de tamaños de los mismos.

    Para ejecutar el modelo:

    gotas(50, 0.20, 100, 1)

    Modelo de Segregación de Schelling (archivo schelling.m)


    Este modelo es un ejemplo de una simulación de agentes usando interacciones locales. Suponemos una red regular, donde cada agente tiene 8 vecinos que puede observar. El modelo de Schelling toma dos agentes al azar y cada uno  cuenta cuantos vecinos de su misma especie tiene en su vecindario. Si ambos poseen menos que THRESH vecinos, entonces se dice que están insatisfechos y inter cambian sus posiciones. En la práctica solo evaluamos aquellos agentes que son distintos, para acelerar la simulación.

    Para comenzar la simulación debe llamar a la función

    schelling(N, THRESH)

    donde NN es el número de agentes total del sistema. Inicialmente los tipos de agentes se distribuyen al azar. Dependiendo de la velocidad del procesador un número interesante es N=20, THRESH=4, es decir 50% de tolerancia.

    Ejercicios:

    Dilema del Prisionero en una red regular unidimensional (archivo pd.m)


    En este ejemplo estudiamos la evolución de la cooperación usando agentes con racionalidad ultra-acotada, cero memoria, pero basada en imitación e interacciones locales. Vamos a representar al estado COPERACION se representa con el valor 1 y el estado NO-COOPERACION se representa con el valor 0.

    Este modelo está implementado como una función que toma una condición inicial u1 que es un vector dcon el estado del sistema y un parámetro b (que controla el incentivo a no-cooperar), y devuelve la condición final a la cual llega el sistema. Para esto debe definir la condicion inicial, como por ej. una aleatoria seria asi: 

    u1 = round(rand(1,50));

    mientras que por ahora preferimos construirlas a dedo asi:

    u1=zeros(1,50); u1(1 2 3) = 1;

    que corresponde a un vector de ceros de longitud 50 y luego 3, unos. Luego puede ejecutar la función asi:

    uu = pd(u1, b);

    donde uu es el vector del último estado al cual llega el sistema. Pruebe la función de arriba con b=1.1 y explique lo sucedido.

    Ejercicios:

    Bar Attendance Model probabilístico (archivo bam.m)


    Este ejemplo es una modificación del BAM tradicional donde las estrategias son probabilísticas: cada agente de 1 a N, tiene una probabilidad p_i de ir al Bar. Los agentes deciden si van o no al mismo tiempo, y se determina cuantos agentes terminan yendo. Si la mayoría fue al Bar, todos los que se quedaron se les suma un punto a su recompensa (payoff), mientras que los que terminaron en en la mayoría pierden un punto de su recompensa, Todos los agentes cuyas recomensas sean negativas, adaptan su estrategia, por lo que eligen un nuevo p_i aleatoriamente dentro de una pequeña ventana.

    Vamos a observar cual es la distribución de estrategias  y recomensas entre los agentes, como asi también una serie temporal del promedio de agentes que concurrieron al Bar.

    Ejercicios:

    Volver