代码解释： for i in range(num_whales): leader_index = np.random.choice(range(num_whales), p=weights) direction = positions[leader_index] - positions[i] step = np.random.uniform() * direction positions[i] += step

这段代码是一个模拟鲸群行为的示例。让我逐步解释它的功能。

首先，代码中的`num_whales`变量表示鲸的数量。循环通过`range(num_whales)`迭代每个鲸的索引。

在每次迭代中，通过`np.random.choice(range(num_whales), p=weights)`随机选择一个领导者鲸的索引。这里的`weights`是一个概率分布，用于指定每个鲸成为领导者的概率。

然后，通过计算`direction = positions[leader_index] - positions[i]`确定当前鲸与领导者鲸之间的方向向量。

接下来，通过`np.random.uniform()`生成一个0到1之间的随机数，并将其乘以方向向量，得到一个步长。

最后，将步长加到当前鲸的位置上，即`positions[i] += step`，以模拟鲸群中每个鲸根据领导者运动的行为。

这段代码可以用于模拟鲸群行为，其中每个鲸根据领导者的移动随机调整自己的位置。