元胞自动机 python

元胞自动机（Cellular Automaton）是一种基于离散空间和时间的计算模型，由一系列的细胞组成，每个细胞根据一定的规则与其邻居进行交互，并根据交互结果更新自身状态。Python 提供了很多库和工具来实现元胞自动机模型。

在 Python 中，你可以使用 NumPy 库来创建二维数组表示细胞的状态，并通过修改数组的值来更新细胞状态。你可以编写一个函数来定义细胞自动机的交互规则，并在每一轮迭代中更新细胞状态。下面是一个简单的例子：

import numpy as np

def cellular_automaton(grid, rules):
    height, width = grid.shape
    new_grid = np.zeros((height, width), dtype=int)

    for i in range(height):
        for j in range(width):
            neighbors = get_neighbors(grid, i, j)
            new_grid[i, j] = rules(grid[i, j], neighbors)

    return new_grid

def get_neighbors(grid, i, j):
    height, width = grid.shape
    neighbors = []

    for di in [-1, 0, 1]:
        for dj in [-1, 0, 1]:
            ni = (i + di) % height
            nj = (j + dj) % width
            neighbors.append(grid[ni, nj])

    return neighbors

def rules(cell, neighbors):
    # 定义交互规则，根据自己的需求进行定义
    # 这里是一个简单的规则示例：如果周围有两个活细胞，当前细胞保持活态；否则细胞死亡
    if cell == 1 and neighbors.count(1) == 2:
        return 1
    else:
        return 0

# 设置初始状态
grid = np.array([[0, 0, 0, 0],
                 [0, 1, 1, 0],
                 [0, 1, 1, 0],
                 [0, 0, 0, 0]])

# 模拟迭代更新
for _ in range(10):
    grid = cellular_automaton(grid, rules)
    print(grid)

这个例子展示了一个简单的元胞自动机模型，使用了 NumPy 库创建和处理二维数组。你可以根据自己的需求修改交互规则和初始状态，并根据需要进行多轮迭代更新。希望能对你有所帮助！