<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="en">
	<id>http://www.simulace.info/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=Franti%C5%A1ekN</id>
	<title>Simulace.info - User contributions [en]</title>
	<link rel="self" type="application/atom+xml" href="http://www.simulace.info/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=Franti%C5%A1ekN"/>
	<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php/Special:Contributions/Franti%C5%A1ekN"/>
	<updated>2026-07-27T15:21:13Z</updated>
	<subtitle>User contributions</subtitle>
	<generator>MediaWiki 1.31.1</generator>
	<entry>
		<id>http://www.simulace.info/index.php?title=SS_2015/2016/cs&amp;diff=13725</id>
		<title>SS 2015/2016/cs</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=SS_2015/2016/cs&amp;diff=13725"/>
		<updated>2017-06-11T22:01:00Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: /* Vypracovaná témata LS 2015/2016 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{DISPLAYTITLE:LS 2015/2016}}&lt;br /&gt;
&lt;br /&gt;
Semestrální práce (simulace) z letního semestru 2015/2016. Sem přidejte odkaz na stránku s Vaší prací.&lt;br /&gt;
Nejprve je třeba nechat schválit [[Assignment SS 2015/2016/cs|zadání práce]].&lt;br /&gt;
&lt;br /&gt;
=Vypracovaná témata LS 2015/2016=&lt;br /&gt;
* [[Simple ecosystem simulation (NetLogo)]] - Petr Fišer, fisp00&lt;br /&gt;
* [[Optimalizace nastavení eskalátorů v metru (NetLogo)]] - Robert Rojo, xrojr01&lt;br /&gt;
* [[Výnosnost fondových portfolií (Monte Carlo)]] - Zdeňka Hatnianková, xhatz00&lt;br /&gt;
* [[Lesní ekosystém vs. kácení lesů (NetLogo)]] - Jonáš Navrátil, xnavj16&lt;br /&gt;
* [[Optimalizace kapacity vleku (NetLogo)]] - Martin Hradil, xhram29&lt;br /&gt;
* [[Šíření kůrovce a jeho regulace (NetLogo)]] - Agata Janeczková, xjana30&lt;br /&gt;
* [[Rozšíření simulace building escape (NetLogo)]] - Jakub Hejduk, xhejj23&lt;br /&gt;
* [[Simulace možných sněhových podmínek na českých horách]] - Martin Novák, novm09&lt;br /&gt;
* [[Optimalizace výměn a seřízení sekacích nožů při výrobě dřevařské štěpky]] - Jakub Kos, xkosj45&lt;br /&gt;
* [[Čištění ropné skvrny]] - Martin Mol, xmolm00&lt;br /&gt;
* [[Darwinovy pěnkavy (NetLogo)]] - Marek Bartoušek, xbarm96&lt;br /&gt;
* [[Pastýřův pes (NetLogo)]] - Martin Šmíd, xsmim28&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=SS_2016/2017/cs&amp;diff=13724</id>
		<title>SS 2016/2017/cs</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=SS_2016/2017/cs&amp;diff=13724"/>
		<updated>2017-06-11T21:59:55Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: /* Vypracovaná témata LS 2016/2017 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{DISPLAYTITLE:LS 2016/2017}}&lt;br /&gt;
&lt;br /&gt;
Semestrální práce (simulace) z letního semestru 2016/2017. Sem přidejte odkaz na stránku s Vaší prací. Nejprve je třeba nechat schválit [[Assignment_SS_2016/2017/cs|zadání práce]].&lt;br /&gt;
&lt;br /&gt;
= Vypracovaná témata LS 2016/2017 =&lt;br /&gt;
*[[Šíření Eboly (Netlogo)]] - Hana Nápravníková, xnaph00&lt;br /&gt;
*[[Tobacco_burn_simulation/cs|Spalování tabáku v dýmce (Vensim)]] - Daniel Šrám, srad01&lt;br /&gt;
*[[Využití nočního parkoviště (Netlogo)]] - Monika Vampolová, xvamm01&lt;br /&gt;
*[[Divadelní spolek (Vensim)]] - Aneta Vaňková, xvana12&lt;br /&gt;
*[[Efektivnost robotických vysavačů (NetLogo)]] - Josef Draslar, xdraj24&lt;br /&gt;
*[[Pivnice (Vensim)]] - Jan Mottl, xmotj10&lt;br /&gt;
*[[Optimalizace zaměstnanců McDonald's (Simprocess)]] - Markéta Zukalová, xzukm00&lt;br /&gt;
*[[Aquapark (Vensim)]] - Markéta Škodová, xskom38&lt;br /&gt;
*[[Simulace přepážek na městském úřadu (Simprocess)]] - Petr Krejča, xkrep35&lt;br /&gt;
*[[Dopravní nehody s divokou zvěří (Netlogo)]] - Ondřej Dvorský, xdvoo07&lt;br /&gt;
*[[Zombie apokalypsa (Vensim)]] - Vojtěch Kuthan, xkutv05&lt;br /&gt;
 [[LouzePrvoku(NetLogo)]] - Nushart František, xnusf00&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=LouzePrvoku(NetLogo)&amp;diff=13723</id>
		<title>LouzePrvoku(NetLogo)</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=LouzePrvoku(NetLogo)&amp;diff=13723"/>
		<updated>2017-06-11T21:56:27Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: Created page with &amp;quot; = Zadání = '''Název simulace:''' Louže prvoků  '''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)  '''Autor:''' Bc. František Nushart, xnusf00  '''Typ modelu:'''...&amp;quot;&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný a udělají přískoky v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===wander procedury===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
===setup procedury===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos''' (améby) fungují obdobně.&lt;br /&gt;
&lt;br /&gt;
==Uživatelské Rozhraní a ovládání==&lt;br /&gt;
&lt;br /&gt;
[[File:louzescreen.png|thumb|center]]&lt;br /&gt;
&lt;br /&gt;
Parametry vlastností množství, senzorický dosah, velikost, rychlost a energie se volí pro každou skupinu prvoků před inicializací pomocí tlačítka &amp;quot;Setup&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Samotná simulace se pak spustí tlačítkem &amp;quot;Go&amp;quot; a automaticky se zastaví potom, co zemřou všechny agenty.&lt;br /&gt;
&lt;br /&gt;
Rychlost doporučuji pro optimální pozorování dění v louži nastavit na 1/3 - 1/2 normální rychlosti.&lt;br /&gt;
&lt;br /&gt;
Pro sledování důležitých parametrů v průběhu simulace je v okně programu graf vykreslující průběhy populací jednotlivých druhů prvoků a dále graf vykreslující průběhy celkových objemů populací, jako sumy velikostí agentů. Tyto celkové velikosti jsem si zvolil, jako hlavní ukazatele úspěšnosti pro posouzení stanovených cílů.&lt;br /&gt;
&lt;br /&gt;
=Hodnocení=&lt;br /&gt;
&lt;br /&gt;
Z opakovaných simulací pro zvolené výchozí parametry (viz. obrázek) a pro následně upravovaná výchozí nastavení, jsou patrné trendy prudšího úbytku jedinců u populací améby a vpíjenky ze začátku simulace. Populace trepek klesá nejpomaleji, ale kvůli omezením rychlosti plynoucím z velikosti, krátce za polovinou simulace, okolo 450. kroku prudce klesá a zpravidla zaniká. Populace améby a vpíjenky přežívá ke konci o několika superjedincích, kteří rovněž zaniknou kvůli nedostatku potravy. Co se týče klíčových parametrů, nejzázásadnější roli hraje podle podle provedených simulací percepce, na jejíž úpravy (zejména u trepky) mají největší citlivost výsledky běhů simulace. Přírůstky výchozí síly se naopak neukázaly jako moc výhodné. Klíčový význam pro simulaci mají počáteční nastavení přírůstku řas a úbytku energie. &lt;br /&gt;
&lt;br /&gt;
[[File:setuplouze.png|thumb|center]]&lt;br /&gt;
&lt;br /&gt;
= Závěr a diskuze možných pokračování=&lt;br /&gt;
&lt;br /&gt;
Prospěšným a nejvíce se nabízejícím rozšířením modelu by bylo přidání rozmnožování prvoků s vysokými hodnotami velikosti (magnitude) ve formě dělení. Potomek by se při dosažení stanovené hodnoty vydělil z mateřského agenta a přejal by část jeho magnitude a ostatní vlastnosti. Po takové úpravě by bylo možno hledat optimální nastavení modelu a zkoumat možnosti dosažení různých rovnovážných stavů cyklického průběhu. Tím by se zajistilo i žádoucí omezení parametru velikosti, které by bylo další vhodnou upravou, pro model s delším stabilním průběhem. &lt;br /&gt;
Použitý systém přískoků do jisté míry dobře napodobuje pohyb skutečných prvoků a poskytuje přínosné zjednodušení, ale při potřebě modelovat větší rozdíly v parametrech rychlosti by bylo vhodnější jej upravit. Velikost prvoků je v rámci simulace graficky znázorněna, ale narostlí prvoci, stále zabírají místo jednoho políčka. Toto schematické znázornění by bylo možno upravit a nechat větší prvoky zabírat více políček prostoru na plátnu louže.&lt;br /&gt;
&lt;br /&gt;
Dalším rozšířením by mohlo být přenesení do třetího rozměru, které by, pokud by se podařilo zachovat přehlednost poskytnulo věrnější demonstraci skutečnosti.&lt;br /&gt;
&lt;br /&gt;
= Simulace ke stažení=&lt;br /&gt;
&lt;br /&gt;
[[File:xnusf00louze.nlogo]]&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=SS_2015/2016/cs&amp;diff=13722</id>
		<title>SS 2015/2016/cs</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=SS_2015/2016/cs&amp;diff=13722"/>
		<updated>2017-06-11T21:55:47Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: /* Vypracovaná témata LS 2015/2016 */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{DISPLAYTITLE:LS 2015/2016}}&lt;br /&gt;
&lt;br /&gt;
Semestrální práce (simulace) z letního semestru 2015/2016. Sem přidejte odkaz na stránku s Vaší prací.&lt;br /&gt;
Nejprve je třeba nechat schválit [[Assignment SS 2015/2016/cs|zadání práce]].&lt;br /&gt;
&lt;br /&gt;
=Vypracovaná témata LS 2015/2016=&lt;br /&gt;
* [[Simple ecosystem simulation (NetLogo)]] - Petr Fišer, fisp00&lt;br /&gt;
* [[Optimalizace nastavení eskalátorů v metru (NetLogo)]] - Robert Rojo, xrojr01&lt;br /&gt;
* [[Výnosnost fondových portfolií (Monte Carlo)]] - Zdeňka Hatnianková, xhatz00&lt;br /&gt;
* [[Lesní ekosystém vs. kácení lesů (NetLogo)]] - Jonáš Navrátil, xnavj16&lt;br /&gt;
* [[Optimalizace kapacity vleku (NetLogo)]] - Martin Hradil, xhram29&lt;br /&gt;
* [[Šíření kůrovce a jeho regulace (NetLogo)]] - Agata Janeczková, xjana30&lt;br /&gt;
* [[Rozšíření simulace building escape (NetLogo)]] - Jakub Hejduk, xhejj23&lt;br /&gt;
* [[Simulace možných sněhových podmínek na českých horách]] - Martin Novák, novm09&lt;br /&gt;
* [[Optimalizace výměn a seřízení sekacích nožů při výrobě dřevařské štěpky]] - Jakub Kos, xkosj45&lt;br /&gt;
* [[Čištění ropné skvrny]] - Martin Mol, xmolm00&lt;br /&gt;
* [[Darwinovy pěnkavy (NetLogo)]] - Marek Bartoušek, xbarm96&lt;br /&gt;
* [[Pastýřův pes (NetLogo)]] - Martin Šmíd, xsmim28&lt;br /&gt;
* [[LouzePrvoku(NetLogo)]] - Nushart František, xnusf00&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13721</id>
		<title>LouzePrvoku</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13721"/>
		<updated>2017-06-11T21:54:02Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný a udělají přískoky v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===wander procedury===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
===setup procedury===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos''' (améby) fungují obdobně.&lt;br /&gt;
&lt;br /&gt;
==Uživatelské Rozhraní a ovládání==&lt;br /&gt;
&lt;br /&gt;
[[File:louzescreen.png|thumb|center]]&lt;br /&gt;
&lt;br /&gt;
Parametry vlastností množství, senzorický dosah, velikost, rychlost a energie se volí pro každou skupinu prvoků před inicializací pomocí tlačítka &amp;quot;Setup&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Samotná simulace se pak spustí tlačítkem &amp;quot;Go&amp;quot; a automaticky se zastaví potom, co zemřou všechny agenty.&lt;br /&gt;
&lt;br /&gt;
Rychlost doporučuji pro optimální pozorování dění v louži nastavit na 1/3 - 1/2 normální rychlosti.&lt;br /&gt;
&lt;br /&gt;
Pro sledování důležitých parametrů v průběhu simulace je v okně programu graf vykreslující průběhy populací jednotlivých druhů prvoků a dále graf vykreslující průběhy celkových objemů populací, jako sumy velikostí agentů. Tyto celkové velikosti jsem si zvolil, jako hlavní ukazatele úspěšnosti pro posouzení stanovených cílů.&lt;br /&gt;
&lt;br /&gt;
=Hodnocení=&lt;br /&gt;
&lt;br /&gt;
Z opakovaných simulací pro zvolené výchozí parametry (viz. obrázek) a pro následně upravovaná výchozí nastavení, jsou patrné trendy prudšího úbytku jedinců u populací améby a vpíjenky ze začátku simulace. Populace trepek klesá nejpomaleji, ale kvůli omezením rychlosti plynoucím z velikosti, krátce za polovinou simulace, okolo 450. kroku prudce klesá a zpravidla zaniká. Populace améby a vpíjenky přežívá ke konci o několika superjedincích, kteří rovněž zaniknou kvůli nedostatku potravy. Co se týče klíčových parametrů, nejzázásadnější roli hraje podle podle provedených simulací percepce, na jejíž úpravy (zejména u trepky) mají největší citlivost výsledky běhů simulace. Přírůstky výchozí síly se naopak neukázaly jako moc výhodné. Klíčový význam pro simulaci mají počáteční nastavení přírůstku řas a úbytku energie. &lt;br /&gt;
&lt;br /&gt;
[[File:setuplouze.png|thumb|center]]&lt;br /&gt;
&lt;br /&gt;
= Závěr a diskuze možných pokračování=&lt;br /&gt;
&lt;br /&gt;
Prospěšným a nejvíce se nabízejícím rozšířením modelu by bylo přidání rozmnožování prvoků s vysokými hodnotami velikosti (magnitude) ve formě dělení. Potomek by se při dosažení stanovené hodnoty vydělil z mateřského agenta a přejal by část jeho magnitude a ostatní vlastnosti. Po takové úpravě by bylo možno hledat optimální nastavení modelu a zkoumat možnosti dosažení různých rovnovážných stavů cyklického průběhu. Tím by se zajistilo i žádoucí omezení parametru velikosti, které by bylo další vhodnou upravou, pro model s delším stabilním průběhem. &lt;br /&gt;
Použitý systém přískoků do jisté míry dobře napodobuje pohyb skutečných prvoků a poskytuje přínosné zjednodušení, ale při potřebě modelovat větší rozdíly v parametrech rychlosti by bylo vhodnější jej upravit. Velikost prvoků je v rámci simulace graficky znázorněna, ale narostlí prvoci, stále zabírají místo jednoho políčka. Toto schematické znázornění by bylo možno upravit a nechat větší prvoky zabírat více políček prostoru na plátnu louže.&lt;br /&gt;
&lt;br /&gt;
Dalším rozšířením by mohlo být přenesení do třetího rozměru, které by, pokud by se podařilo zachovat přehlednost poskytnulo věrnější demonstraci skutečnosti.&lt;br /&gt;
&lt;br /&gt;
= Simulace ke stažení=&lt;br /&gt;
&lt;br /&gt;
[[File:xnusf00louze.nlogo]]&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13720</id>
		<title>LouzePrvoku</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13720"/>
		<updated>2017-06-11T21:37:02Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný a udělají přískoky v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===wander procedury===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
===setup procedury===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos''' (améby) fungují obdobně.&lt;br /&gt;
&lt;br /&gt;
==Uživatelské Rozhraní a ovládání==&lt;br /&gt;
&lt;br /&gt;
[[File:louzescreen.png|thumb|center]]&lt;br /&gt;
&lt;br /&gt;
Parametry vlastností množství, senzorický dosah, velikost, rychlost a energie se volí pro každou skupinu prvoků před inicializací pomocí tlačítka &amp;quot;Setup&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Samotná simulace se pak spustí tlačítkem &amp;quot;Go&amp;quot; a automaticky se zastaví potom, co zemřou všechny agenty.&lt;br /&gt;
&lt;br /&gt;
Rychlost doporučuji pro optimální pozorování dění v louži nastavit na 1/3 - 1/2 normální rychlosti.&lt;br /&gt;
&lt;br /&gt;
Pro sledování důležitých parametrů v průběhu simulace je v okně programu graf vykreslující průběhy populací jednotlivých druhů prvoků a dále graf vykreslující průběhy celkových objemů populací, jako sumy velikostí agentů. Tyto celkové velikosti jsem si zvolil, jako hlavní ukazatele úspěšnosti pro posouzení stanovených cílů.&lt;br /&gt;
&lt;br /&gt;
= Vyhodnocení=&lt;br /&gt;
&lt;br /&gt;
[[File:setuplouze.png|thumb|center]]&lt;br /&gt;
&lt;br /&gt;
= Závěr a diskuze možných pokračování=&lt;br /&gt;
&lt;br /&gt;
Prospěšným a nejvíce se nabízejícím rozšířením modelu by bylo přidání rozmnožování prvoků s vysokými hodnotami velikosti (magnitude) ve formě dělení. Potomek by se při dosažení stanovené hodnoty vydělil z mateřského agenta a přejal by část jeho magnitude a ostatní vlastnosti. Po takové úpravě by bylo možno hledat optimální nastavení modelu a zkoumat možnosti dosažení různých rovnovážných stavů cyklického průběhu. Tím by se zajistilo i žádoucí omezení parametru velikosti, které by bylo další vhodnou upravou, pro model s delším stabilním průběhem. &lt;br /&gt;
Použitý systém přískoků do jisté míry dobře napodobuje pohyb skutečných prvoků a poskytuje přínosné zjednodušení, ale při potřebě modelovat větší rozdíly v parametrech rychlosti by bylo vhodnější jej upravit. Velikost prvoků je v rámci simulace graficky znázorněna, ale narostlí prvoci, stále zabírají místo jednoho políčka. Toto schematické znázornění by bylo možno upravit a nechat větší prvoky zabírat více políček prostoru na plátnu louže.&lt;br /&gt;
&lt;br /&gt;
Dalším rozšířením by mohlo být přenesení do třetího rozměru, které by, pokud by se podařilo zachovat přehlednost poskytnulo věrnější demonstraci skutečnosti.&lt;br /&gt;
&lt;br /&gt;
= Simulace ke stažení=&lt;br /&gt;
&lt;br /&gt;
[[File:xnusf00louze.nlogo]]&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13719</id>
		<title>LouzePrvoku</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13719"/>
		<updated>2017-06-11T21:32:58Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný a udělají přískoky v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===wander procedury===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
===setup procedury===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos''' (améby) fungují obdobně.&lt;br /&gt;
&lt;br /&gt;
==Uživatelské Rozhraní a ovládání==&lt;br /&gt;
&lt;br /&gt;
[[File:louzescreen.png|thumb|center]]&lt;br /&gt;
&lt;br /&gt;
Parametry vlastností množství, senzorický dosah, velikost, rychlost a energie se volí pro každou skupinu prvoků před inicializací pomocí tlačítka &amp;quot;Setup&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Samotná simulace se pak spustí tlačítkem &amp;quot;Go&amp;quot; a automaticky se zastaví potom, co zemřou všechny agenty.&lt;br /&gt;
&lt;br /&gt;
Rychlost doporučuji pro optimální pozorování dění v louži nastavit na 1/3 - 1/2 normální rychlosti.&lt;br /&gt;
&lt;br /&gt;
Pro sledování důležitých parametrů v průběhu simulace je v okně programu graf vykreslující průběhy populací jednotlivých druhů prvoků a dále graf vykreslující průběhy celkových objemů populací, jako sumy velikostí agentů. Tyto celkové velikosti jsem si zvolil, jako hlavní ukazatele úspěšnosti pro posouzení stanovených cílů.&lt;br /&gt;
&lt;br /&gt;
= Vyhodnocení=&lt;br /&gt;
&lt;br /&gt;
[[File:setuplouze.png|thumb|center]]&lt;br /&gt;
&lt;br /&gt;
= Závěr a diskuze možných pokračování=&lt;br /&gt;
&lt;br /&gt;
Prospěšným a nejvíce se nabízejícím rozšířením modelu by bylo přidání rozmnožování prvoků s vysokými hodnotami velikosti (magnitude) ve formě dělení. Potomek by se při dosažení stanovené hodnoty vydělil z mateřského agenta a přejal by část jeho magnitude a ostatní vlastnosti. Po takové úpravě by bylo možno hledat optimální nastavení modelu a zkoumat možnosti dosažení různých rovnovážných stavů cyklického průběhu. Tím by se zajistilo i žádoucí omezení parametru velikosti, které by bylo další vhodnou upravou, pro model s delším stabilním průběhem. &lt;br /&gt;
Použitý systém přískoků do jisté míry dobře napodobuje pohyb skutečných prvoků a poskytuje přínosné zjednodušení, ale při potřebě modelovat větší rozdíly v parametrech rychlosti by bylo vhodnější jej upravit. Velikost prvoků je v rámci simulace graficky znázorněna, ale narostlí prvoci, stále zabírají místo jednoho políčka. Toto schematické znázornění by bylo možno upravit a nechat větší prvoky zabírat více políček prostoru na plátnu louže.&lt;br /&gt;
&lt;br /&gt;
Dalším rozšířením by mohlo být přenesení do třetího rozměru, které by, pokud by se podařilo zachovat přehlednost poskytnulo věrnější demonstraci skutečnosti.&lt;br /&gt;
&lt;br /&gt;
= Simulace ke stažení=&lt;br /&gt;
&lt;br /&gt;
[[File:xnusf00louze.nlogo]]&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=File:Xnusf00louze.nlogo&amp;diff=13718</id>
		<title>File:Xnusf00louze.nlogo</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=File:Xnusf00louze.nlogo&amp;diff=13718"/>
		<updated>2017-06-11T21:32:19Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13716</id>
		<title>LouzePrvoku</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13716"/>
		<updated>2017-06-11T21:26:04Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný a udělají přískoky v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===wander procedury===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
===setup procedury===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos''' (améby) fungují obdobně.&lt;br /&gt;
&lt;br /&gt;
==Uživatelské Rozhraní a ovládání==&lt;br /&gt;
&lt;br /&gt;
[[File:louzescreen.png|thumb|center]]&lt;br /&gt;
&lt;br /&gt;
Parametry vlastností množství, senzorický dosah, velikost, rychlost a energie se volí pro každou skupinu prvoků před inicializací pomocí tlačítka &amp;quot;Setup&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Samotná simulace se pak spustí tlačítkem &amp;quot;Go&amp;quot; a automaticky se zastaví potom, co zemřou všechny agenty.&lt;br /&gt;
&lt;br /&gt;
Rychlost doporučuji pro optimální pozorování dění v louži nastavit na 1/3 - 1/2 normální rychlosti.&lt;br /&gt;
&lt;br /&gt;
Pro sledování důležitých parametrů v průběhu simulace je v okně programu graf vykreslující průběhy populací jednotlivých druhů prvoků a dále graf vykreslující průběhy celkových objemů populací, jako sumy velikostí agentů. Tyto celkové velikosti jsem si zvolil, jako hlavní ukazatele úspěšnosti pro posouzení stanovených cílů.&lt;br /&gt;
&lt;br /&gt;
= Vyhodnocení=&lt;br /&gt;
&lt;br /&gt;
[[File:setuplouze.png|thumb|center]]&lt;br /&gt;
&lt;br /&gt;
= Závěr a diskuze možných pokračování=&lt;br /&gt;
&lt;br /&gt;
Prospěšným a nejvíce se nabízejícím rozšířením modelu by bylo přidání rozmnožování prvoků s vysokými hodnotami velikosti (magnitude) ve formě dělení. Potomek by se při dosažení stanovené hodnoty vydělil z mateřského agenta a přejal by část jeho magnitude a ostatní vlastnosti. Po takové úpravě by bylo možno hledat optimální nastavení modelu a zkoumat možnosti dosažení různých rovnovážných stavů cyklického průběhu. Tím by se zajistilo i žádoucí omezení parametru velikosti, které by bylo další vhodnou upravou, pro model s delším stabilním průběhem. &lt;br /&gt;
Použitý systém přískoků do jisté míry dobře napodobuje pohyb skutečných prvoků a poskytuje přínosné zjednodušení, ale při potřebě modelovat větší rozdíly v parametrech rychlosti by bylo vhodnější jej upravit. Velikost prvoků je v rámci simulace graficky znázorněna, ale narostlí prvoci, stále zabírají místo jednoho políčka. Toto schematické znázornění by bylo možno upravit a nechat větší prvoky zabírat více políček prostoru na plátnu louže.&lt;br /&gt;
&lt;br /&gt;
Dalším rozšířením by mohlo být přenesení do třetího rozměru, které by, pokud by se podařilo zachovat přehlednost poskytnulo věrnější demonstraci skutečnosti.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=File:Setuplouze.png&amp;diff=13715</id>
		<title>File:Setuplouze.png</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=File:Setuplouze.png&amp;diff=13715"/>
		<updated>2017-06-11T21:25:13Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13714</id>
		<title>LouzePrvoku</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13714"/>
		<updated>2017-06-11T21:17:09Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný a udělají přískoky v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===wander procedury===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
===setup procedury===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos''' (améby) fungují obdobně.&lt;br /&gt;
&lt;br /&gt;
==Uživatelské Rozhraní a ovládání==&lt;br /&gt;
&lt;br /&gt;
[[File:louzescreen.png|thumb|center]]&lt;br /&gt;
&lt;br /&gt;
Parametry vlastností množství, senzorický dosah, velikost, rychlost a energie se volí pro každou skupinu prvoků před inicializací pomocí tlačítka &amp;quot;Setup&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Samotná simulace se pak spustí tlačítkem &amp;quot;Go&amp;quot; a automaticky se zastaví potom, co zemřou všechny agenty.&lt;br /&gt;
&lt;br /&gt;
Rychlost doporučuji pro optimální pozorování dění v louži nastavit na 1/3 - 1/2 normální rychlosti.&lt;br /&gt;
&lt;br /&gt;
Pro sledování důležitých parametrů v průběhu simulace je v okně programu graf vykreslující průběhy populací jednotlivých druhů prvoků a dále graf vykreslující průběhy celkových objemů populací, jako sumy velikostí agentů. Tyto celkové velikosti jsem si zvolil, jako hlavní ukazatele úspěšnosti pro posouzení stanovených cílů.&lt;br /&gt;
&lt;br /&gt;
= Závěr a diskuze možných pokračování=&lt;br /&gt;
&lt;br /&gt;
Prospěšným a nejvíce se nabízejícím rozšířením modelu by bylo přidání rozmnožování prvoků s vysokými hodnotami velikosti (magnitude) ve formě dělení. Potomek by se při dosažení stanovené hodnoty vydělil z mateřského agenta a přejal by část jeho magnitude a ostatní vlastnosti. Po takové úpravě by bylo možno hledat optimální nastavení modelu a zkoumat možnosti dosažení různých rovnovážných stavů cyklického průběhu. Tím by se zajistilo i žádoucí omezení parametru velikosti, které by bylo další vhodnou upravou, pro model s delším stabilním průběhem. &lt;br /&gt;
Použitý systém přískoků do jisté míry dobře napodobuje pohyb skutečných prvoků a poskytuje přínosné zjednodušení, ale při potřebě modelovat větší rozdíly v parametrech rychlosti by bylo vhodnější jej upravit. Velikost prvoků je v rámci simulace graficky znázorněna, ale narostlí prvoci, stále zabírají místo jednoho políčka. Toto schematické znázornění by bylo možno upravit a nechat větší prvoky zabírat více políček prostoru na plátnu louže.&lt;br /&gt;
&lt;br /&gt;
Dalším rozšířením by mohlo být přenesení do třetího rozměru, které by, pokud by se podařilo zachovat přehlednost poskytnulo věrnější demonstraci skutečnosti.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13713</id>
		<title>LouzePrvoku</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13713"/>
		<updated>2017-06-11T21:16:00Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný a udělají přískoky v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===wander procedury===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
===setup procedury===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos''' (améby) fungují obdobně.&lt;br /&gt;
&lt;br /&gt;
==Uživatelské Rozhraní a ovládání==&lt;br /&gt;
&lt;br /&gt;
[[File:louzescreen.png|thumb|center]]&lt;br /&gt;
&lt;br /&gt;
Parametry vlastností množství, senzorický dosah, velikost, rychlost a energie se volí pro každou skupinu prvoků před inicializací pomocí tlačítka &amp;quot;Setup&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Samotná simulace se pak spustí tlačítkem &amp;quot;Go&amp;quot; a automaticky se zastaví potom, co zemřou všechny agenty.&lt;br /&gt;
&lt;br /&gt;
Rychlost doporučuji pro optimální pozorování dění v louži nastavit na 1/3 - 1/2 normální rychlosti.&lt;br /&gt;
&lt;br /&gt;
Pro sledování důležitých parametrů v průběhu simulace je v okně programu graf vykreslující průběhy populací jednotlivých druhů prvoků a dále graf vykreslující průběhy celkových objemů populací, jako sumy velikostí agentů. Tyto celkové velikosti jsem si zvolil, jako hlavní ukazatele úspěšnosti pro posouzení stanovených cílů.&lt;br /&gt;
&lt;br /&gt;
= Diskuze úprav a navazujícího modelování=&lt;br /&gt;
&lt;br /&gt;
Prospěšným a nejvíce se nabízejícím rozšířením modelu by bylo přidání rozmnožování prvoků s vysokými hodnotami velikosti (magnitude) ve formě dělení. Potomek by se při dosažení stanovené hodnoty vydělil z mateřského agenta a přejal by část jeho magnitude a ostatní vlastnosti. Po takové úpravě by bylo možno hledat optimální nastavení modelu a zkoumat možnosti dosažení různých rovnovážných stavů cyklického průběhu. Tím by se zajistilo i žádoucí omezení parametru velikosti, které by bylo další vhodnou upravou, pro model s delším stabilním průběhem. &lt;br /&gt;
Použitý systém přískoků do jisté míry dobře napodobuje pohyb skutečných prvoků a poskytuje přínosné zjednodušení, ale při potřebě modelovat větší rozdíly v parametrech rychlosti by bylo vhodnější jej upravit. Velikost prvoků je v rámci simulace graficky znázorněna, ale narostlí prvoci, stále zabírají místo jednoho políčka. Toto schematické znázornění by bylo možno upravit a nechat větší prvoky zabírat více políček prostoru na plátnu louže.&lt;br /&gt;
&lt;br /&gt;
Dalším rozšířením by mohlo být přenesení do třetího rozměru, které by, pokud by se podařilo zachovat přehlednost poskytnulo věrnější demonstraci skutečnosti.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13710</id>
		<title>LouzePrvoku</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13710"/>
		<updated>2017-06-11T20:39:19Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný a udělají přískoky v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===wander procedury===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
===setup procedury===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos''' (améby) fungují obdobně.&lt;br /&gt;
&lt;br /&gt;
==Uživatelské Rozhraní a ovládání==&lt;br /&gt;
&lt;br /&gt;
[[File:louzescreen.png|center]]&lt;br /&gt;
&lt;br /&gt;
Parametry vlastností množství, senzorický dosah, velikost, rychlost a energie se volí pro každou skupinu prvoků před inicializací pomocí tlačítka &amp;quot;Setup&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Samotná simulace se pak spustí tlačítkem &amp;quot;Go&amp;quot; a automaticky se zastaví potom, co zemřou všechny agenty.&lt;br /&gt;
&lt;br /&gt;
Rychlost doporučuji pro optimální pozorování dění v louži nastavit na 1/3 - 1/2 normální rychlosti.&lt;br /&gt;
&lt;br /&gt;
Pro sledování důležitých parametrů v průběhu simulace je &lt;br /&gt;
&lt;br /&gt;
= Diskuze úprav a navazujícího modelování=&lt;br /&gt;
&lt;br /&gt;
Model je velice citlivý změny parametrů a&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13709</id>
		<title>LouzePrvoku</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13709"/>
		<updated>2017-06-11T20:39:01Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný a udělají přískoky v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===wander procedury===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
===setup procedury===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos''' (améby) fungují obdobně.&lt;br /&gt;
&lt;br /&gt;
==Uživatelské Rozhraní a ovládání==&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
Parametry vlastností množství, senzorický dosah, velikost, rychlost a energie se volí pro každou skupinu prvoků před inicializací pomocí tlačítka &amp;quot;Setup&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Samotná simulace se pak spustí tlačítkem &amp;quot;Go&amp;quot; a automaticky se zastaví potom, co zemřou všechny agenty.&lt;br /&gt;
&lt;br /&gt;
Rychlost doporučuji pro optimální pozorování dění v louži nastavit na 1/3 - 1/2 normální rychlosti.&lt;br /&gt;
&lt;br /&gt;
Pro sledování důležitých parametrů v průběhu simulace je &lt;br /&gt;
&lt;br /&gt;
= Diskuze úprav a navazujícího modelování=&lt;br /&gt;
&lt;br /&gt;
Model je velice citlivý změny parametrů a&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=File:Louzescreen.png&amp;diff=13708</id>
		<title>File:Louzescreen.png</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=File:Louzescreen.png&amp;diff=13708"/>
		<updated>2017-06-11T20:38:38Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13707</id>
		<title>LouzePrvoku</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13707"/>
		<updated>2017-06-11T20:02:22Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný a udělají přískoky v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===wander procedury===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
===setup procedury===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos''' (améby) fungují obdobně.&lt;br /&gt;
&lt;br /&gt;
==Uživatelské Rozhraní a ovládání==&lt;br /&gt;
&lt;br /&gt;
Parametry vlastností množství, senzorický dosah, velikost, rychlost a energie se volí pro každou skupinu prvoků před inicializací pomocí tlačítka &amp;quot;Setup&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Samotná simulace se pak spustí tlačítkem &amp;quot;Go&amp;quot;. &lt;br /&gt;
&lt;br /&gt;
Rychlost doporučuji pro optimální pozorování dění v louži nastavit na 1/3 - 1/2 normální rychlosti.&lt;br /&gt;
&lt;br /&gt;
= Diskuze úprav a navazujícího modelování=&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13706</id>
		<title>LouzePrvoku</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13706"/>
		<updated>2017-06-11T18:50:19Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===wander procedury===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
===setup procedury===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos''' (améby) fungují obdobně.&lt;br /&gt;
&lt;br /&gt;
==Uživatelské Rozhraní a ovládání==&lt;br /&gt;
&lt;br /&gt;
Parametry vlastností množství, senzorický dosah, velikost, rychlost a energie se volí pro každou skupinu prvoků před inicializací pomocí tlačítka &amp;quot;Setup&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Samotná simulace se pak spustí tlačítkem &amp;quot;Go&amp;quot;. Rychlost doporučuji pro optimální pozorování dění v louži nastavit na 1/3 - 1/2 normální rychlosti.&lt;br /&gt;
&lt;br /&gt;
= Diskuze úprav a navazujícího modelování=&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13705</id>
		<title>LouzePrvoku</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13705"/>
		<updated>2017-06-11T18:44:47Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===wander procedury===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
===setup procedury===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos''' (améby) fungují obdobně.&lt;br /&gt;
&lt;br /&gt;
==Rozhraní==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Diskuze úprav a navázání=&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13704</id>
		<title>LouzePrvoku</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=LouzePrvoku&amp;diff=13704"/>
		<updated>2017-06-11T18:42:58Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: Created page with &amp;quot; = Zadání = '''Název simulace:''' Louže prvoků  '''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)  '''Autor:''' Bc. František Nushart, xnusf00  '''Typ modelu:'''...&amp;quot;&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===wander procedury===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
===setup procedury===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos''' (améby) fungují obdobně.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13703</id>
		<title>RybníkPrvoků</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13703"/>
		<updated>2017-06-11T18:39:18Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
===wander procedury===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
===setup procedury===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos''' (améby) fungují obdobně.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13702</id>
		<title>RybníkPrvoků</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13702"/>
		<updated>2017-06-11T18:38:38Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==='''wander procedury'''===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
==='''setup procedury'''===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos''' (améby) fungují obdobně&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13701</id>
		<title>RybníkPrvoků</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13701"/>
		<updated>2017-06-11T18:38:04Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==='''wander procedury'''===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
==='''setup procedury'''===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;br /&gt;
&lt;br /&gt;
'''setup-dids''' (vpíjenky) a '''setup-amos'' (améby) fungují obdobně&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13700</id>
		<title>RybníkPrvoků</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13700"/>
		<updated>2017-06-11T18:36:20Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==='''wander procedury'''===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu nachází další vpíjenky a žádná z nich není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie. Pokud nejsou v dosahu vpíjenky, vpíjenka zkontroluje zda není v dosahu nějaká trepka, pokud ano, opět se na ní nasměruje a udělá za úbytku energie přískok. Když není příležitost k lovu, vpíjenka kontroluje okolí v senzorickém dosahu pro améby, které pro ní  představují nebezpečí a bez uvážení velikosti před nimi prchá. Pokud je v senzorickém dosahu améba, vpíjenka se nasměruje o 180° od té nejblyžší a za ztráty energie udělá přískok. Pro přehlednost mění vpíjenky zbarvení při všech výše uvedených případech na okamžik na fialovo.&lt;br /&gt;
Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, vpíjenka setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
Priorita vpíjenky je tedy: lov konkurenční menší vpíjenky &amp;gt; lov trepky &amp;gt; úprk před amébou &amp;gt; náhodný pohyb.&lt;br /&gt;
&lt;br /&gt;
'''amo-wander''' (améby)&lt;br /&gt;
&lt;br /&gt;
Améba kontroluje senzorický dosah pro přítomnost kterýchkoliv prvoků a následně kontroluje, zda je v senzorickém dosahu větší améba, či vpíjenka. Pokud v dosahu větší konkurent není, améba se zaměří na nejblyžšího prvoka a udělá za ztráty energie přískok. Pokud v senzorickém dosahu ostatní prvoci nejsou, améby vyhledávají organické zbytky obdobně, jako trepky. Pokud ani jedna z výše uvedených situací v daném kroku systému nenastává, améba setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a za úbytku energie udělá přískok).&lt;br /&gt;
&lt;br /&gt;
==='''setup procedury'''===&lt;br /&gt;
&lt;br /&gt;
'''setup-pmcs''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Procedura vygeneruje požadované množství trepek a přidělí každé hodnotu senzorického dosahu, velikost, rychlost energii odpovídající normálnímu rozdělení z uživatelem zadaných hodnot s odchylkou 0.3. Dále procedura faktickou velikost agentů podle magnitude, nastaví jejich tvar a barvu a náhodně je rozmístí na plátno.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13688</id>
		<title>RybníkPrvoků</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13688"/>
		<updated>2017-06-11T17:06:33Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==='''wander procedury'''===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a udělá přískok).&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu vpíjenky nachází další vpíjenky, nebo trepky a žádná není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13687</id>
		<title>RybníkPrvoků</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13687"/>
		<updated>2017-06-11T17:06:05Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) [[File:trepka.png|center]]&lt;br /&gt;
*vpíjenku (Didinium)[[File:vpijenka.png|center]]&lt;br /&gt;
*amébu (Amoeba)[[File:ameba.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==='''wander procedury'''===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a udělá přískok).&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu vpíjenky nachází další vpíjenky, nebo trepky a žádná není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=File:Ameba.png&amp;diff=13686</id>
		<title>File:Ameba.png</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=File:Ameba.png&amp;diff=13686"/>
		<updated>2017-06-11T17:05:53Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=File:Vpijenka.png&amp;diff=13685</id>
		<title>File:Vpijenka.png</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=File:Vpijenka.png&amp;diff=13685"/>
		<updated>2017-06-11T17:05:01Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=File:Trepka.png&amp;diff=13683</id>
		<title>File:Trepka.png</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=File:Trepka.png&amp;diff=13683"/>
		<updated>2017-06-11T17:01:58Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13682</id>
		<title>RybníkPrvoků</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13682"/>
		<updated>2017-06-11T16:59:09Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) &lt;br /&gt;
*vpíjenku (Didinium)&lt;br /&gt;
*amébu (Amoeba)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==='''wander procedury'''===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander''' (trepky)&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a udělá přískok).&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''dids-wander''' (vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu vpíjenky nachází další vpíjenky, nebo trepky a žádná není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13681</id>
		<title>RybníkPrvoků</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13681"/>
		<updated>2017-06-11T16:58:10Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) &lt;br /&gt;
*vpíjenku (Didinium)&lt;br /&gt;
*amébu (Amoeba)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==='''wander procedury'''===&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander'''&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a udělá přískok).&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''dids-wander'''&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu vpíjenky nachází další vpíjenky, nebo trepky a žádná není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13680</id>
		<title>RybníkPrvoků</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13680"/>
		<updated>2017-06-11T16:57:07Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) &lt;br /&gt;
*vpíjenku (Didinium)&lt;br /&gt;
*amébu (Amoeba)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''wander'''&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander'''&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a udělá přískok).&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''dids-wander'''&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu vpíjenky nachází další vpíjenky, nebo trepky a žádná není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13679</id>
		<title>RybníkPrvoků</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13679"/>
		<updated>2017-06-11T16:56:33Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) &lt;br /&gt;
*vpíjenku (Didinium)&lt;br /&gt;
*amébu (Amoeba)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky)&lt;br /&gt;
&lt;br /&gt;
 Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
'''wander'''&lt;br /&gt;
&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander'''&lt;br /&gt;
&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander'''&lt;br /&gt;
&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu vpíjenky nachází další vpíjenky, nebo trepky a žádná není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13678</id>
		<title>RybníkPrvoků</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13678"/>
		<updated>2017-06-11T16:56:02Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) &lt;br /&gt;
*vpíjenku (Didinium)&lt;br /&gt;
*amébu (Amoeba)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
== Spuštění==&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
==Použité procedury==&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky) Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
'''wander'''&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander'''&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander'''&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu vpíjenky nachází další vpíjenky, nebo trepky a žádná není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13677</id>
		<title>RybníkPrvoků</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13677"/>
		<updated>2017-06-11T16:55:12Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) &lt;br /&gt;
*vpíjenku (Didinium)&lt;br /&gt;
*amébu (Amoeba)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
=== Spuštění===&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
===Použité procedury===&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky) Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
'''wander'''&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander'''&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander'''&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu vpíjenky nachází další vpíjenky, nebo trepky a žádná není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13676</id>
		<title>RybníkPrvoků</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13676"/>
		<updated>2017-06-11T16:54:55Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) &lt;br /&gt;
*vpíjenku (Didinium)&lt;br /&gt;
*amébu (Amoeba)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné, které určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním:&lt;br /&gt;
&lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
=== Spuštění===&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;br /&gt;
&lt;br /&gt;
===Použité procedury===&lt;br /&gt;
&lt;br /&gt;
'''decrease-energy''' (všechny druhy)&lt;br /&gt;
Úbytek energie v každém kroku v závislosti na velikosti agenta. &lt;br /&gt;
&lt;br /&gt;
'''drop'''&lt;br /&gt;
Na náhodně zvoleném poli přibydou živiny a pole se zbarví do zelena.&lt;br /&gt;
&lt;br /&gt;
'''collect''' (všechny druhy)&lt;br /&gt;
Pokud pole, na kterém se agent nachází, nemá nulovou hodnotu živin, agent vstřebá nalezené živiny a převede je na svojí energii. Barevné označení přítomnosti živin je odstraněno přebarvením pole na černo. U agenta současně dojde k poklesu rychlosti a jeho velikost je upravena v závislosti na množství vstřebaných živin.&lt;br /&gt;
&lt;br /&gt;
'''feed''' (améby a vpíjenky)&lt;br /&gt;
Pokud se agent nachází na poli, kde je současně nějaká trepka, jednu z přítomných trepek si vybere a usmrtí ji za uvolnění živin odpovídajícím její velikosti. To doprovází zbarvení pole na bílo (predátor však živiny pomocí collect vstřebá a pole přebarví zpět na černo).&lt;br /&gt;
Na plátnos se dále pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
'''be-eaten''' (améby a vpíjenky) Pokud se v dané vzdálenosti útočného dosahu (zvoleno jako 1) nachází další ameba, nebo vpíjenka, jejíž velikost je větší, než velikost agenta, agent uvolní živiny dle své velikosti, přebarví pole na zeleno a zemře. Na plátno se opět pro přehlednost zobrazí “hrobeček” značící velikost usmrceného agenta.&lt;br /&gt;
&lt;br /&gt;
'''check-dead''' (všechny druhy)&lt;br /&gt;
Slouží k vyhodnocení, zda má agent nenulovou energii a může tak zůstat naživu. V případě energie menší, nebo rovné nule agent umírá, přebarví pole na červeno, uvolní živiny v množství odpovídajícímu jeho velikosti a zobrazí “hrobeček”.&lt;br /&gt;
&lt;br /&gt;
'''wander'''&lt;br /&gt;
Následující procedury wander určují, jakým způsobem se každý druh pohybuje a jakým způsobem reaguje na dané senzorické vjemy. V úvodu je naznačena detekce překážek, které jsem se simulaci v rámci přehlednosti později rozhodl nevěnovat.&lt;br /&gt;
&lt;br /&gt;
'''pmc-wander'''&lt;br /&gt;
Trepky v první řadě vyhodnotí, zda v jejich senzorickém dosahu je nějaká vpíjenka, nebo améba a pokud ano, tak prchá. Otočí se o 180° od té nejblyžší a za odečtení energie udělá přískok. Akce je pro přehlednost doprovázena přechodným zbarvením do modra.&lt;br /&gt;
Pokud nehrozí nebezpečí, trepka vyhodnocuje, zda v jejím senzorickém dosahu jsou nějaké volné živiny. Prioritizuje je podle zbarvení pole v pořadí červená &amp;gt; bílá &amp;gt; zelená.&lt;br /&gt;
Pokud senzory jedince nezachytily ani jednu z podmínek výše, prvok setrvává v náhodném vrtivém pohybu (náhodně upraví aktuální nasměrování a udělá přískok).&lt;br /&gt;
&lt;br /&gt;
'''dids-wander'''&lt;br /&gt;
Vpíjenky jsou na rozdíl od trepek agesivnější, pokud se v jejich senzorickém dosahu vpíjenky nachází další vpíjenky, nebo trepky a žádná není větší, vpíjenka se nasměruje na tu nejblyžší a provede přískok za úbytku energie.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13675</id>
		<title>RybníkPrvoků</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Rybn%C3%ADkPrvok%C5%AF&amp;diff=13675"/>
		<updated>2017-06-11T16:52:30Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: Created page with &amp;quot; = Zadání = '''Název simulace:''' Louže prvoků  '''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)  '''Autor:''' Bc. František Nushart, xnusf00  '''Typ modelu:'''...&amp;quot;&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;br /&gt;
= Zadání =&lt;br /&gt;
'''Název simulace:''' Louže prvoků&lt;br /&gt;
&lt;br /&gt;
'''Předmět:''' 4IT495 Simulace systémů (LS 2016/2017)&lt;br /&gt;
&lt;br /&gt;
'''Autor:''' Bc. František Nushart, xnusf00&lt;br /&gt;
&lt;br /&gt;
'''Typ modelu:''' Multiagentní&lt;br /&gt;
&lt;br /&gt;
'''Modelovací nástroj:''' Netlogo 6.0&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[File:louzeprvoku.png|center]]&lt;br /&gt;
&lt;br /&gt;
= Definice problému =&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky. Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (ta určuje i sílu), senzorický dosah. Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti a je pomalejší). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
= Metoda =&lt;br /&gt;
Simulace je realizována v prostředí Netlogo z důvodu kladeného důrazu na agentní přístup.&lt;br /&gt;
Vzhledem k charakteru zkoumaného problému je poměrně obtížné dostatečně se přiblížit metrikám reálného prostředí. Pro zajištění odpovídajícího kontaktu s realitou jsem kromě přípravného, vstupního výzkumu konzultoval nastavení, interakce zkoumaných prvoků a podobu modelu se středoškolským učitelem specializujícím se na obor biologie. &lt;br /&gt;
&lt;br /&gt;
= Model=&lt;br /&gt;
V tomto oddílu jsou popsány jednotlivé části modelu, jeho inicializace a počáteční nastavení s diskusí.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Agenty ==&lt;br /&gt;
V modelu jsou tři typy agentů představující: &lt;br /&gt;
&lt;br /&gt;
*trepku (Paramecium) &lt;br /&gt;
*vpíjenku (Didinium)&lt;br /&gt;
*amébu (Amoeba)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Každý z těchto tří druhů má následující proměnné:&lt;br /&gt;
&lt;br /&gt;
*perception - Vyjadřuje senzorický dosah pro detekci kořisti a  lovce. Obor hodnot: &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*magnitude - Vyjadřuje velikost a současně sílu jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*speed - Vyjadřuje rychlost jedince. Obor hodnot:  &amp;lt; 1.0 ; 5.0 &amp;gt;&lt;br /&gt;
*energy - Vyjadřuje zásobu surovin potřebných pro život  &amp;lt; 0 ; 200 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Tyto proměnné určují počáteční vlastnosti, druhové populace.&lt;br /&gt;
&lt;br /&gt;
== Incializace ==&lt;br /&gt;
Základní nastavení simulace před jejím spuštěním. &lt;br /&gt;
Je zadáno množství prvoků pro každý druh (Paramecium, Didinium, Amoeba). Obor hodnot: &amp;lt; 0 ; 50 &amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pro každý druh jsou dále zadány výchozí hodnoty:&lt;br /&gt;
*senzorický dosah (perception)&lt;br /&gt;
*velikost (magnitude)&lt;br /&gt;
*rychlost (speed)&lt;br /&gt;
*energie (energy)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Doporučené výchozí nastavení těchto parametrů by mělo pro vhodnou reprezentaci reálných poměrů mezi třemi zkoumanými druhy prvoků respektovat, že:&lt;br /&gt;
&lt;br /&gt;
*Trepka a vpíjenka jsou rychlejší, než amoeba.&lt;br /&gt;
*Trepka a vpíjenka mají lepší senzorický dosah, než amoeba.&lt;br /&gt;
*Amoeba je větší, než trepka a vpíjenka.&lt;br /&gt;
&lt;br /&gt;
Vygenerovaní jedinci mají zadané parametry individuálně upraveny pomocí normálního rozdělení se směrodatnou odchylkou 0.3 pro reprezentaci vnitrodruhové diverzity.&lt;br /&gt;
&lt;br /&gt;
Jedinci jsou následně náhodně rozmístěni na zacyklené plátno představující naší zkoumanou louži.&lt;br /&gt;
&lt;br /&gt;
Nastavené vstupní parametry:&lt;br /&gt;
&lt;br /&gt;
=== Spuštění===&lt;br /&gt;
&lt;br /&gt;
Spuštěním odstartuje simulaci systému, která probíhá po jednotlivých krocích, kde agenty vždy v každém kroku vyhodnotí své okolí v senzorickém dosahu a na základě výsledku upraví směr pohybu, nebo zvolí náhodný. Následně agenty vykonají jeden přískok v závislosti na jejich rychlosti. Dále během kroku simulace  agenty vyhodnocují interakce s ostatními agenty a organickými zbytky nacházejícími se na jejich poli. S pohybem je spojen úbytek energie, který se rovněž v každém kroku upravuje a následně probíhá kontrola, zda je agent naživu. V neposlední řadě se v každém kroku náhodně objevují živiny z prostředí představující rostoucí řasy.&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=File:Louzeprvoku.png&amp;diff=13674</id>
		<title>File:Louzeprvoku.png</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=File:Louzeprvoku.png&amp;diff=13674"/>
		<updated>2017-06-11T16:45:28Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13546</id>
		<title>N-player prisoner's dilemma/cs</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13546"/>
		<updated>2017-06-09T12:29:58Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{DISPLAYTITLE:Vězňovo dilema více hráčů (česky)}}&lt;br /&gt;
&lt;br /&gt;
== Úvod ==&lt;br /&gt;
&lt;br /&gt;
Rozšíření [http://www.simulace.info/index.php/Prisoner%27s_dilemma/cs Vězňova dilematu], ikonického problému z [http://www.simulace.info/index.php/Game_theory/cs Teorie her], ze dvou na n-hráčů umožňuje jeho aplikaci pro modelování většího množství reálných situací, kde zpravidla dochází k interakcím více subjektů. Typicky jde o sociální systémy a problematiku kolektivního chování. Do Vězňova dilematu více hráčů se přenáši charakteristiky původního problému:&lt;br /&gt;
&lt;br /&gt;
* Účastníci se nachází v nějaké situaci, kde mají možnost buď spolupracovat, nebo nespolupracovat (zradit ostatní pro zvýšení osobního užitku).&lt;br /&gt;
&lt;br /&gt;
* Nehledě na to, jak se rozhodnou ostatní subjekty, pro užitek každého jednotlivě je nejvýhodnější nespolupracoat a zradit.&lt;br /&gt;
&lt;br /&gt;
* Současně ale platí, že pokud všechny subjekty zvolí možnost nespolupracovat, užitek každého z nich je nižší, než kdyby se všechny subjekty rozhodly spolupracovat.&lt;br /&gt;
&lt;br /&gt;
Dominantnost strategie nespolupráce nad spoluprácí, nehledě na celkový podíl spolupracujících z celku, ukazuje vzájemné postavení křivek funkcí spolupráce a nespolupráce v grafu. Konkrétní podoba křivek funkcí závisí na definici problému.&lt;br /&gt;
[[File:npdgraf.png|350px|center]]&lt;br /&gt;
Podstatou dilematu je tedy, že individuální racionalita vede ke kolektivní iracionalitě. [http://www.simulace.info/index.php/Nash_equilibrium/cs Nashova rovnováha] spočívá v hromadné nespolupráci. G.Hardin Vězňovo dilema pro více hráčů trefně a vtipně charakterizuje jako ''“Matematickou formulaci toho, co je špatně s naší společností”.''&amp;lt;ref name=&amp;quot;G. Hardin&amp;quot;&amp;gt; G. Hardin, “The Tragedy of the Commons,” Science, 162 (1968) 1243– 1248.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Subjekty interagující ve Vězňově dilematu jsou označovány jako [http://www.simulace.info/index.php?title=Agents/cs&amp;amp;action=edit&amp;amp;redlink=1| agenty]  a mohou to být například jednotlivci, skupiny lidí, korporace, nebo počítačové programy.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Definující parametry ==&lt;br /&gt;
&lt;br /&gt;
Kromě užitku ze spolupráce a nespolupráce pro všechny možné poměry spolupracujících a nespolupracujících agentů je možno v rámci definice uvážit řadu dalších určujících faktorů.&lt;br /&gt;
&lt;br /&gt;
Agenty se mohou, ale nemusejí rozhodovat ve stejném čase, za stejných výchozích podmínek a mohou, ale nemusejí mít k dispozici informaci o tom, jak se rozhodují ostatní. Pokud mají možnost a schopnost mezi sebou komunikovat, mohou například tvořit koalice. Dále mohou mít různě definované cíle s kterými do hry Vězňova dilematu vstupují. Prostorové uspořádání může a nemusí hrát roli a může se i měnit. Z uspořádání mohou vycházet omezení, agenty například hrají vězňovo dilema jen v rámci svého přilehlého okolí. Hra může mít pouze [http://www.simulace.info/index.php/One-shot_games/cs jedno kolo], nebo [http://www.simulace.info/index.php/Repeated_games/cs řadu navazujících kol]. U trvání a jeho konečnosti je opět důležité, zda jsou s ním agenty obeznámeny. Pokud mají hry dilematu více kol, agenty mohou rozhodování průběžně korigovat v závislosti na chování ostatních. Jakým způsobem, konceptualizuje Szilagyi&amp;lt;ref&amp;gt;Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; pomocí rozdělení na několik typů “osobností” agentů, které se mohou během hry dilematu i měnit.&lt;br /&gt;
&lt;br /&gt;
* U ''Pavlovovské osobnosti'' se pravděpodobnost spolupráce, ev. nespolupráce mění proporčně ve vztahu k získanému užitku a eventuální penalizaci plynoucím z rozhodnutí. Agenty se tak průběžně “vychovávají” po vzoru behavioralistického cukru a biče. &lt;br /&gt;
&lt;br /&gt;
* ''Stochasticky předvidatelné osobnosti'' se rozhodují stále stejným způsobem, bez ovlivňování z okolí. Například tedy vždy spolupracují, nebo nespolupracují, nebo vždy spolupracují s danou konstantní pravděpodobností. &lt;br /&gt;
&lt;br /&gt;
* ''Konformistická osobnost'' volí rozhodnutí v souladu s většinou okolních agentů. &lt;br /&gt;
&lt;br /&gt;
* ''Lakomá osobnost'' kopíruje rozhodnutí nejůspěšnějšího souseda.&lt;br /&gt;
&lt;br /&gt;
* U ''osobnosti účetní'' pravděpodobnosti rozhodnutí pro spolupráci a nespolupráci vycházejí z průměrných užitků rozhodnutí za předchozí herní kola.&lt;br /&gt;
&lt;br /&gt;
Další typy osobností je možné definovat pomocí abstrahování z reálných vlastností, které chceme v dilematu prozkoumat. Příkladem by třeba mohla být tvrdohlavá osobnost, která mění strategii neochotně, pomaleji, se setrvačností více kol. To ostatně platí i pro další dpoplňující parametry a jejich podrobnější a konkrétnější specifikace.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Příklady ==&lt;br /&gt;
&lt;br /&gt;
Na jakých reálných příkladech a situacích lze Vězňovo dilema více hráčů vysledovat? Dobrým příkladem z historie je zbrojení a nukleární pat během studené války. Všechny zůčastněné strany se v čele s vedoucími mocnostmi USA a Sovětským svazem dostali do situace, kde přestat zbrojit bylo velmi problematické. Po zlepšení vztahů pak bylo nutno uzavřít dohody o jaderném odzbrojování. &lt;br /&gt;
&lt;br /&gt;
Snad nejznámějším příkladem je [http://www.simulace.info/index.php?title=Tragedy_of_the_commons/cs&amp;amp;action=edit&amp;amp;redlink=1 Tragédie obecní pastviny], inspirovaná skutečnými poměry v osmnáctém století v Anglii. Představme si vzorovou situaci, kde šest pastevců sdílí malou kravskou pastvinu. Každý na ní ráno vodí jednu krávu, která se dobře pase a udržuje si váhu 1000 Kg. Každý pastevec má ale možnost přihnat na pastvinu dodatečnou krávu, všechny pasoucí krávy tak mají o něco méně potravy a v důsledku se jim za nějakou dobu sníží váha o 100 Kg. Pastevec, co si přivedl dodatečnou krávu má teď ale dvě krávy s celkovou hmotností 1800 Kg, výrazněže si tedy polepšil. Když to vidí ostatní pastevci, každý si na pastvinu přivede taky dodatečnou krávu. Celkem je pak na pastvině dvanáct krav, každá váží 400 Kg a všichni pastevci mají celkovou hmotnost 800 Kg oproti původním 1000 Kg.&amp;lt;ref&amp;gt;N-Person Prisoner's Dilemma. Stanford.edu [online]. [cit. 2017-06-09]. Dostupné z: https://cs.stanford.edu/people/eroberts/courses/soco/projects/1998-99/game-theory/npd.html&amp;lt;/ref&amp;gt; Jako další krok lze očekávat, že pastevci budou řešit situaci přidáváním dalších kráv, což v konečné fázi povede k tragédii v podobě vyčerpání pastviny a vyhladovění dobytka. Jak situaci řešit a tragédii obecní pastviny předejít? Způsoby, které se dnes běžně uplatňují, to jest postihnutím nespolupráce (přidání další krávy na pastvinu) pomocí restrikcí a nařízení. Pastevci, kteří vědí, že za nespolupráci mohou být penalizováni ji už nevyhodnotí, jako výhodnou a zároveň tak dostanou jakýchsi záruk, že ostatní si další krávu na pastvinu také nepřivedou.&lt;br /&gt;
&lt;br /&gt;
Aktuálním dnes a ještě více zítra, je problém s šetřením pitnou vodou. Jedná se o obdobu Tragédie obecní pastviny. S nastupujícím nedostatkem vyvstává potřeba šetřit. Šetření jednotlivce však nestačí, je nutné, aby se na něm podílelo velké množství lidí. Když ale šetří vodou skoro všichni, jednotlivec, který nešetří, nepředstavuje žádný znatelný rozdíl. Je tedy racionální se ve spotřebě vody i v tomto případě neomezovat. Pokud všichni dojdou k tomuto individuálnímu závěru a nebudou šetřit, vody bude akutní nedostatek, situace mnohem horší, než potřeba uskromnit se ve spotřebě. Obdobně můžeme vysledovat Vězňovo dilema více hráčů v nakládání s dalšími omezenými přírodními zdroji (ať už vyčerpatelnými, či pomalu obnovitelnými), například rybolov v mezinárodních vodách. Nebo i v nakládání s životním prostředím obecně, například znečištění a postoje ke globálnímu oteplování.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Vybrané studie ==&lt;br /&gt;
&lt;br /&gt;
V následující části jsou souhrny tří vybraných studií zabývajících se různými aspekty Vězňova dilematu více hráčů.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== Cognitive load in the multi-player prisoner's dilemma game: Are there brains in games? ===&lt;br /&gt;
&lt;br /&gt;
Studie&amp;lt;ref&amp;gt;Duffy, Sean and Smith, John, Cognitive Load in the Multi-Player Prisoner's Dilemma Game: Are There Brains in Games? [cit. 2017-06-04]. Dostupné z SSRN: https://ssrn.com/abstract=1841523 nebo http://dx.doi.org/10.2139/ssrn.1841523&amp;lt;/ref&amp;gt; předkládá výsledky uskutečněného experimentu, který měl za úkol zjistit vliv kognitivní zátěže na srategické uvažování, výkon a úspěšnost v simulované hře Vězňova dilematu o více hráčích. Účastnilo se ho celkem 48 studentů Rutgers University v Camden seskupených po neměnných čtveřicích, v rámci kterých proti sobě hráli 30 kol Vězňova dilematu. Užitek byl reprezentován ziskem bodů, které se nakonci experimentu převedly na utržené dolary. Dalším motivačním prvkem byl pro účastníky vstupní vklad do hry ve výši pěti dolarů. Studenti se v rámci svojí herní čtveřice neznali a byli po dobu trvání experimentu odděleni. Vězňovo dilema se hrálo pomocí jednoduchého programu na síti počítačů. Přidaná kognitivní zátěž byla realizována v podobě požadavku na zapamatování si přiděleného čísla v každém kole hry. U skupiny účastníků s nízkou zátěží šlo o dvouciferné číslo a u skupiny s vysokou zátěží o sedmiciferné. Studenti měli vždy 15s na zapamatování čísla, které měli na konci herního kola zopakovat. Bodový zisk byl podmíněn správností zopakovaného čísla. S počtem kol a pravidly byli účastníci předem seznámeni. Po třicátém kole každý student vyplnil krátký dotazník, kde pomocí škály vyjadřoval dojmy z experimentu. Výsledky experimentu potvrdili hypotézu, že rozdíl v dostupnosti kognitivních kapacit má vliv na strategické rozhodování. Obě skupiny s přibývajícími koly experimentu prokazovaly snižování ochoty volby strategie spolupracovat. Skupina s nižší přidanou kognitivní zátěží prokazovala více strategické nespolupráce v konečných kolech hry a byla obecně schopná lépe reagovat a upravovat rozhodování v závislosti na předchozích kolech hry. Studie nepotvrdila tendence více spolupracovat u hráčů s vyššími kognitivními schopnostmi, tak jak naznačuje výzkum &amp;lt;ref&amp;gt;Jones, Garett. Are smarter groups more cooperative? Evidence from prisoner's dilemma experiments, 1959–2003. Journal of Economic Behavior &amp;amp; Organization [online]. 2008, 68(3-4), 489-497 [cit. 2017-06-04]. DOI: 10.1016/j.jebo.2008.06.010. ISSN 01672681. Dostupné z: http://linkinghub.elsevier.com/retrieve/pii/S0167268108001315&amp;lt;/ref&amp;gt;, ve kterém skupiny studentů s rostoucím průměrným SAT score vykazují růst v četnostech rozhodnutí kooperovat. Autoři uvažují, že je to dáno rozdílným nastavením experimentu, zejména konečným a předem známým počtem kol.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection ===&lt;br /&gt;
&lt;br /&gt;
Na vytvořeném modelu dvou soupeřících skupin, ve kterých současně probíhá soupeření vnitroskupinové je prezentována přechodná emergence Simpsonova paradoxu. Relativní podíl spolupracujících může jednotlivě v obou skupinách klesat a současně v rámci celé populace agentů růst. Skupiny mají stejný výchozí počet agentů, kteří mezi nimi nemohou přecházet. Jednotlivé agenty mají zjednodušené strategie, buď vždy spolupracují, nebo vždy nespolupracují. Užitkové funkce ze spolupráce a nespolupráce je v rámci každé ze skupin v závislosti na podílu spolupracujících vůči celku. Jsou opět v rámci zjednodušení lineární a paralelní. Prvním definujícím parametrem je strmost, čím větší, tím více má skupina větší užitek z každého dalšího spolupracujícího agenta. Druhý parametr určuje nárůst užitku pramenící z nespolupráce (posun funkce nespolupráce po ose užitku y oproti funkci spolupráce). Pro každou jednotku času běhu modelu je navýšen počet spolupracujících agentů v závislosti na užitku spolupracujících vůči podílu spolupracujících ve skupině a obdobně počet nespolupracujících v závislosti na užitku nespolupracujících vůči podílu nespolupracujících ve skupině. Výsledný nový poměr spolupracujících a nespolupracujících ve skupině je přenesen na výchozí počet agentů ve skupině, který tak zůstává neměnný. Studie dokládá emergenci Simpsonova paradoxu a zkoumá, za jakých výchozích podmínek se v modelu přechodně objevuje a jaký má průběh. Výsledky jsou interpretovány ve vztahu ke vzniku a růstu altruistického chování.&amp;lt;ref&amp;gt;Fletcher, Jeffrey and Zwick, Martin. N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection, 2000. [cit. 2017-06-04]. Dostupné z: https://www.pdx.edu/sites/www.pdx.edu.sysc/files/sysc_alife7.pdf&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== An Investigation of N-person Prisoners’ Dilemmas ===&lt;br /&gt;
&lt;br /&gt;
Článek v první části poskytuje úvod do problematiky Vězňova dilematu více hráčů a v části druhé prezentuje jeho vytvořený, agentní, stochastický model. Model je dvoudimenzionální a umožňuje podrobné nastavení řady vstupních parametrů, tak aby jej bylo možné aplikovat na simulace různých reálných situací. Jako příklad uvádím výstup z tisíctého kola hry kde ve výchozím postavení prostřední pole obsazoval lakomý, nespolupracující agent a všechna ostatní pole náležela lakomým spolupracujícím agentům. Hry dilematu probíhali mezi přilehlými sousedy. Užitkové křivky funkcí spolupráce (C(x)=x) a nespolupráce (D(x)=1.65x) jsou zaneseny v grafu. Černá pole značí spolupracující agenty a bílá nespolupracující.&amp;lt;ref&amp;gt; Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; &lt;br /&gt;
[[File:npdspacialexample.png||center]]&lt;br /&gt;
&lt;br /&gt;
== Otázky k procvičení ==&lt;br /&gt;
&lt;br /&gt;
U následujících otázek vyberte vždy pouze jednu správnou odpověď:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Jaká je dominantní strategie racionálního agenta v jednokolové hře vězňova dilematu více hráčů?'''&lt;br /&gt;
&lt;br /&gt;
a) spolupracovat&lt;br /&gt;
&lt;br /&gt;
b) nespolupracovat &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Co je klíčovou charakteristikou Tragédie obecní pastviny (Tragedy of the Commons) a odvozených problémů?'''&lt;br /&gt;
&lt;br /&gt;
a) Řeší optimální rozmístění agentů (v tomto případě krav) v definované lokalitě.&lt;br /&gt;
&lt;br /&gt;
b) Vystupuje v ní sdílený, omezený, vyčerpatelný zdroj. &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) Vůbec by k ní nedošlo, kdyby se účastníci chovali racionálně a správně maximalizovali svůj užitek.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Platí základní charakteristiky Vězňova dilematu pro více hráčů pro původní vězňovo dilema (2 hráči)? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Vyplatí se agentu ve specifické situaci, ve které všechny ostatní agenty budou volit strategii spolupráce, nespolupracovat? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
{{ambox&lt;br /&gt;
| type      = notice&lt;br /&gt;
| text      = ''Označte text odstavce otázek pro odkrytí správných odpovědí! ''&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Reference ==&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13545</id>
		<title>N-player prisoner's dilemma/cs</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13545"/>
		<updated>2017-06-09T12:29:21Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{DISPLAYTITLE:Vězňovo dilema více hráčů (česky)}}&lt;br /&gt;
&lt;br /&gt;
== Úvod ==&lt;br /&gt;
&lt;br /&gt;
Rozšíření [http://www.simulace.info/index.php/Prisoner%27s_dilemma/cs Vězňova dilematu], ikonického problému z [http://www.simulace.info/index.php/Game_theory/cs Teorie her], ze dvou na n-hráčů umožňuje jeho aplikaci pro modelování většího množství reálných situací, kde zpravidla dochází k interakcím více subjektů. Typicky jde o sociální systémy a problematiku kolektivního chování. Do Vězňova dilematu více hráčů se přenáši charakteristiky původního problému:&lt;br /&gt;
&lt;br /&gt;
* Účastníci se nachází v nějaké situaci, kde mají možnost buď spolupracovat, nebo nespolupracovat (zradit ostatní pro zvýšení osobního užitku).&lt;br /&gt;
&lt;br /&gt;
* Nehledě na to, jak se rozhodnou ostatní subjekty, pro užitek každého jednotlivě je nejvýhodnější nespolupracoat a zradit.&lt;br /&gt;
&lt;br /&gt;
* Současně ale platí, že pokud všechny subjekty zvolí možnost nespolupracovat, užitek každého z nich je nižší, než kdyby se všechny subjekty rozhodly spolupracovat.&lt;br /&gt;
&lt;br /&gt;
Dominantnost strategie nespolupráce nad spoluprácí, nehledě na celkový podíl spolupracujících z celku, ukazuje vzájemné postavení křivek funkcí spolupráce a nespolupráce v grafu. Konkrétní podoba křivek funkcí závisí na definici problému.&lt;br /&gt;
[[File:npdgraf.png|350px|center]]&lt;br /&gt;
Podstatou dilematu je tedy, že individuální racionalita vede ke kolektivní iracionalitě. [http://www.simulace.info/index.php/Nash_equilibrium/cs Nashova rovnováha] spočívá v hromadné nespolupráci. G.Hardin Vězňovo dilema pro více hráčů trefně a vtipně charakterizuje jako ''“Matematickou formulaci toho, co je špatně s naší společností”.''&amp;lt;ref name=&amp;quot;G. Hardin&amp;quot;&amp;gt; G. Hardin, “The Tragedy of the Commons,” Science, 162 (1968) 1243– 1248.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Subjekty interagující ve Vězňově dilematu jsou označovány jako [http://www.simulace.info/index.php?title=Agents/cs&amp;amp;action=edit&amp;amp;redlink=1| agenty]  a mohou to být například jednotlivci, skupiny lidí, korporace, nebo počítačové programy.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Definující parametry ==&lt;br /&gt;
&lt;br /&gt;
Kromě užitku ze spolupráce a nespolupráce pro všechny možné poměry spolupracujících a nespolupracujících agentů je možno v rámci definice uvážit řadu dalších určujících faktorů.&lt;br /&gt;
&lt;br /&gt;
Agenty se mohou, ale nemusejí rozhodovat ve stejném čase, za stejných výchozích podmínek a mohou, ale nemusejí mít k dispozici informaci o tom, jak se rozhodují ostatní. Pokud mají možnost a schopnost mezi sebou komunikovat, mohou například tvořit koalice. Dále mohou mít různě definované cíle s kterými do hry Vězňova dilematu vstupují. Prostorové uspořádání může a nemusí hrát roli a může se i měnit. Z uspořádání mohou vycházet omezení, agenty například hrají vězňovo dilema jen v rámci svého přilehlého okolí. Hra může mít pouze [http://www.simulace.info/index.php/One-shot_games/cs jedno kolo], nebo [http://www.simulace.info/index.php/Repeated_games/cs řadu navazujících kol]. U trvání a jeho konečnosti je opět důležité, zda jsou s ním agenty obeznámeny. Pokud mají hry dilematu více kol, agenty mohou rozhodování průběžně korigovat v závislosti na chování ostatních. Jakým způsobem, konceptualizuje Szilagyi&amp;lt;ref&amp;gt;Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; pomocí rozdělení na několik typů “osobností” agentů, které se mohou během hry dilematu i měnit.&lt;br /&gt;
&lt;br /&gt;
* U ''Pavlovovské osobnosti'' se pravděpodobnost spolupráce, ev. nespolupráce mění proporčně ve vztahu k získanému užitku a eventuální penalizaci plynoucím z rozhodnutí. Agenty se tak průběžně “vychovávají” po vzoru behavioralistického cukru a biče. &lt;br /&gt;
&lt;br /&gt;
* ''Stochasticky předvidatelné osobnosti'' se rozhodují stále stejným způsobem, bez ovlivňování z okolí. Například tedy vždy spolupracují, nebo nespolupracují, nebo vždy spolupracují s danou konstantní pravděpodobností. &lt;br /&gt;
&lt;br /&gt;
* ''Konformistická osobnost'' volí rozhodnutí v souladu s většinou okolních agentů. &lt;br /&gt;
&lt;br /&gt;
* ''Lakomá osobnost'' kopíruje rozhodnutí nejůspěšnějšího souseda.&lt;br /&gt;
&lt;br /&gt;
* U ''osobnosti účetní'' pravděpodobnosti rozhodnutí pro spolupráci a nespolupráci vycházejí z průměrných užitků rozhodnutí za předchozí herní kola.&lt;br /&gt;
&lt;br /&gt;
Další typy osobností je možné definovat pomocí abstrahování z reálných vlastností, které chceme v dilematu prozkoumat. Příkladem by třeba mohla být tvrdohlavá osobnost, která mění strategii neochotně, pomaleji, se setrvačností více kol. To ostatně platí i pro další dpoplňující parametry a jejich podrobnější a konkrétnější specifikace.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Příklady ==&lt;br /&gt;
&lt;br /&gt;
Na jakých reálných příkladech a situacích lze Vězňovo dilema více hráčů vysledovat? Dobrým příkladem z historie je zbrojení a nukleární pat během studené války. Všechny zůčastněné strany se v čele s vedoucími mocnostmi USA a Sovětským svazem dostali do situace, kde přestat zbrojit bylo velmi problematické. Po zlepšení vztahů pak bylo nutno uzavřít dohody o jaderném odzbrojování. &lt;br /&gt;
&lt;br /&gt;
Snad nejznámějším příkladem je [http://www.simulace.info/index.php?title=Tragedy_of_the_commons/cs&amp;amp;action=edit&amp;amp;redlink=1 Tragédie obecní pastviny], inspirovaná skutečnými poměry v osmnáctém století v Anglii. Představme si vzorovou situaci, kde šest pastevců sdílí malou kravskou pastvinu. Každý na ní ráno vodí jednu krávu, která se dobře pase a udržuje si váhu 1000 Kg. Každý pastevec má ale možnost přihnat na pastvinu dodatečnou krávu, všechny pasoucí krávy tak mají o něco méně potravy a v důsledku se jim za nějakou dobu sníží váha o 100 Kg. Pastevec, co si přivedl dodatečnou krávu má teď ale dvě krávy s celkovou hmotností 1800 Kg, výrazněže si tedy polepšil. Když to vidí ostatní pastevci, každý si na pastvinu přivede taky dodatečnou krávu. Celkem je pak na pastvině dvanáct krav, každá váží 400 Kg a všichni pastevci mají celkovou hmotnost 800 Kg oproti původním 1000 Kg.&amp;lt;ref&amp;gt;N-Person Prisoner's Dilemma. Stanford.edu [online]. [cit. 2017-06-09]. Dostupné z: https://cs.stanford.edu/people/eroberts/courses/soco/projects/1998-99/game-theory/npd.html&amp;lt;/ref&amp;gt; Jako další krok lze očekávat, že pastevci budou řešit situaci přidáváním dalších kráv, což v konečné fázi povede k tragédii v podobě vyčerpání pastviny a vyhladovění dobytka. Jak situaci řešit a tragédii obecní pastviny předejít? Způsoby, které se dnes běžně uplatňují, to jest postihnutím nespolupráce (přidání další krávy na pastvinu) pomocí restrikcí a nařízení. Pastevci, kteří vědí, že za nespolupráci mohou být penalizováni ji už nevyhodnotí, jako výhodnou a zároveň tak dostanou jakýchsi záruk, že ostatní si další krávu na pastvinu také nepřivedou.&lt;br /&gt;
&lt;br /&gt;
Aktuálním dnes a ještě více zítra, je problém s šetřením pitnou vodou. Jedná se o obdobu Tragédie obecní pastviny. S nastupujícím nedostatkem vyvstává potřeba šetřit. Šetření jednotlivce však nestačí, je nutné, aby se na něm podílelo velké množství lidí. Když ale šetří vodou skoro všichni, jednotlivec, který nešetří, nepředstavuje žádný znatelný rozdíl. Je tedy racionální se ve spotřebě vody i v tomto případě neomezovat. Pokud všichni dojdou k tomuto individuálnímu závěru a nebudou šetřit, vody bude akutní nedostatek, situace mnohem horší, než potřeba uskromnit se ve spotřebě. Obdobně můžeme vysledovat Vězňovo dilema více hráčů v nakládání s dalšími omezenými přírodními zdroji (ať už vyčerpatelnými, či pomalu obnovitelnými), například rybolov v mezinárodních vodách. Nebo i v nakládání s životním prostředím obecně, například znečištění a postoje ke globálnímu oteplování.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Vybrané studie ==&lt;br /&gt;
&lt;br /&gt;
V následující části jsou souhrny tří vybraných studií zabývajících se různými aspekty Vězňova dilematu více hráčů.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== Cognitive load in the multi-player prisoner's dilemma game: Are there brains in games? ===&lt;br /&gt;
&lt;br /&gt;
Studie&amp;lt;ref&amp;gt;Duffy, Sean and Smith, John, Cognitive Load in the Multi-Player Prisoner's Dilemma Game: Are There Brains in Games? [cit. 2017-06-04]. Dostupné z SSRN: https://ssrn.com/abstract=1841523 nebo http://dx.doi.org/10.2139/ssrn.1841523&amp;lt;/ref&amp;gt; předkládá výsledky uskutečněného experimentu, který měl za úkol zjistit vliv kognitivní zátěže na srategické uvažování, výkon a úspěšnost v simulované hře Vězňova dilematu o více hráčích. Účastnilo se ho celkem 48 studentů Rutgers University v Camden seskupených po neměnných čtveřicích, v rámci kterých proti sobě hráli 30 kol Vězňova dilematu. Užitek byl reprezentován ziskem bodů, které se nakonci experimentu převedly na utržené dolary. Dalším motivačním prvkem byl pro účastníky vstupní vklad do hry ve výši pěti dolarů. Studenti se v rámci svojí herní čtveřice neznali a byli po dobu trvání experimentu odděleni. Vězňovo dilema se hrálo pomocí jednoduchého programu na síti počítačů. Přidaná kognitivní zátěž byla realizována v podobě požadavku na zapamatování si přiděleného čísla v každém kole hry. U skupiny účastníků s nízkou zátěží šlo o dvouciferné číslo a u skupiny s vysokou zátěží o sedmiciferné. Studenti měli vždy 15s na zapamatování čísla, které měli na konci herního kola zopakovat. Bodový zisk byl podmíněn správností zopakovaného čísla. S počtem kol a pravidly byli účastníci předem seznámeni. Po třicátém kole každý student vyplnil krátký dotazník, kde pomocí škály vyjadřoval dojmy z experimentu. Výsledky experimentu potvrdili hypotézu, že rozdíl v dostupnosti kognitivních kapacit má vliv na strategické rozhodování. Obě skupiny s přibývajícími koly experimentu prokazovaly snižování ochoty volby strategie spolupracovat. Skupina s nižší přidanou kognitivní zátěží prokazovala více strategické nespolupráce v konečných kolech hry a byla obecně schopná lépe reagovat a upravovat rozhodování v závislosti na předchozích kolech hry. Studie nepotvrdila tendence více spolupracovat u hráčů s vyššími kognitivními schopnostmi, tak jak naznačuje výzkum &amp;lt;ref&amp;gt;Jones, Garett. Are smarter groups more cooperative? Evidence from prisoner's dilemma experiments, 1959–2003. Journal of Economic Behavior &amp;amp; Organization [online]. 2008, 68(3-4), 489-497 [cit. 2017-06-04]. DOI: 10.1016/j.jebo.2008.06.010. ISSN 01672681. Dostupné z: http://linkinghub.elsevier.com/retrieve/pii/S0167268108001315&amp;lt;/ref&amp;gt;, ve kterém skupiny studentů s rostoucím průměrným SAT score vykazují růst v četnostech rozhodnutí kooperovat. Autoři uvažují, že je to dáno rozdílným nastavením experimentu, zejména konečným a předem známým počtem kol.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection ===&lt;br /&gt;
&lt;br /&gt;
Na vytvořeném modelu dvou soupeřících skupin, ve kterých současně probíhá soupeření vnitroskupinové je prezentována přechodná emergence Simpsonova paradoxu. Relativní podíl spolupracujících může jednotlivě v obou skupinách klesat a současně v rámci celé populace agentů růst. Skupiny mají stejný výchozí počet agentů, kteří mezi nimi nemohou přecházet. Jednotlivé agenty mají zjednodušené strategie, buď vždy spolupracují, nebo vždy nespolupracují. Užitkové funkce ze spolupráce a nespolupráce je v rámci každé ze skupin v závislosti na podílu spolupracujících vůči celku. Jsou opět v rámci zjednodušení lineární a paralelní. Prvním definujícím parametrem je strmost, čím větší, tím více má skupina větší užitek z každého dalšího spolupracujícího agenta. Druhý parametr určuje nárůst užitku pramenící z nespolupráce (posun funkce nespolupráce po ose užitku y oproti funkci spolupráce). Pro každou jednotku času běhu modelu je navýšen počet spolupracujících agentů v závislosti na užitku spolupracujících vůči podílu spolupracujících ve skupině a obdobně počet nespolupracujících v závislosti na užitku nespolupracujících vůči podílu nespolupracujících ve skupině. Výsledný nový poměr spolupracujících a nespolupracujících ve skupině je přenesen na výchozí počet agentů ve skupině, který tak zůstává neměnný. Studie dokládá emergenci Simpsonova paradoxu a zkoumá, za jakých výchozích podmínek se v modelu přechodně objevuje a jaký má průběh. Výsledky jsou interpretovány ve vztahu ke vzniku a růstu altruistického chování.&amp;lt;ref&amp;gt;Fletcher, Jeffrey and Zwick, Martin. N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection, 2000. [cit. 2017-06-04]. Dostupné z: https://www.pdx.edu/sites/www.pdx.edu.sysc/files/sysc_alife7.pdf&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== An Investigation of N-person Prisoners’ Dilemmas ===&lt;br /&gt;
&lt;br /&gt;
Článek v první části poskytuje úvod do problematiky Vězňova dilematu více hráčů a v části druhé prezentuje jeho vytvořený, agentní, stochastický model. Model je dvoudimenzionální a umožňuje podrobné nastavení řady vstupních parametrů, tak aby jej bylo možné aplikovat na simulace různých reálných situací. Jako příklad uvádím výstup z tisíctého kola hry kde ve výchozím postavení prostřední pole obsazoval lakomý, nespolupracující agent a všechna ostatní pole náležela lakomým spolupracujícím agentům. Hry dilematu probíhali mezi přilehlými sousedy. Užitkové křivky funkcí spolupráce (C(x)=x) a nespolupráce (D(x)=1.65x) jsou zaneseny v grafu. Černá pole značí spolupracující agenty a bílá nespolupracující.&amp;lt;ref&amp;gt; Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; &lt;br /&gt;
[[File:npdspacialexample.png||center]]&lt;br /&gt;
&lt;br /&gt;
== Otázky k procvičení ==&lt;br /&gt;
&lt;br /&gt;
U následujících otázek vyberte vždy pouze jednu správnou odpověď:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Jaká je dominantní strategie racionálního agenta v jednokolové hře vězňova dilematu více hráčů?'''&lt;br /&gt;
&lt;br /&gt;
a) spolupracovat&lt;br /&gt;
&lt;br /&gt;
b) nespolupracovat &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Co je klíčovou charakteristikou Tragédie obecní pastviny (Tragedy of the Commons) a odvozených problémů?'''&lt;br /&gt;
&lt;br /&gt;
a) Řeší optimální rozmístění agentů (v tomto případě krav) v definované lokalitě.&lt;br /&gt;
&lt;br /&gt;
b) Vystupuje v ní sdílený, omezený, vyčerpatelný zdroj. &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) Vůbec by k ní nedošlo, kdyby se účastníci chovali racionálně a správně maximalizovali svůj užitek.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Platí základní charakteristiky Vězňova dilematu pro více hráčů pro původní vězňovo dilema (2 hráči)? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Vyplatí se agentu ve specifické situaci, kde všechny ostatní agenty budou volit strategii spolupráce, nespolupracovat? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
{{ambox&lt;br /&gt;
| type      = notice&lt;br /&gt;
| text      = ''Označte text odstavce otázek pro odkrytí správných odpovědí! ''&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Reference ==&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13544</id>
		<title>N-player prisoner's dilemma/cs</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13544"/>
		<updated>2017-06-09T12:18:18Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{DISPLAYTITLE:Vězňovo dilema více hráčů (česky)}}&lt;br /&gt;
&lt;br /&gt;
== Úvod ==&lt;br /&gt;
&lt;br /&gt;
Rozšíření [http://www.simulace.info/index.php/Prisoner%27s_dilemma/cs Vězňova dilematu], ikonického problému z [http://www.simulace.info/index.php/Game_theory/cs Teorie her], ze dvou na n-hráčů umožňuje jeho aplikaci pro modelování většího množství reálných situací, kde zpravidla dochází k interakcím více subjektů. Typicky jde o sociální systémy a problematiku kolektivního chování. Do Vězňova dilematu více hráčů se přenáši charakteristiky původního problému:&lt;br /&gt;
&lt;br /&gt;
* Účastníci se nachází v nějaké situaci, kde mají možnost buď spolupracovat, nebo nespolupracovat (zradit ostatní pro zvýšení osobního užitku).&lt;br /&gt;
&lt;br /&gt;
* Nehledě na to, jak se rozhodnou ostatní subjekty, pro užitek každého jednotlivě je nejvýhodnější nespolupracoat a zradit.&lt;br /&gt;
&lt;br /&gt;
* Současně ale platí, že pokud všechny subjekty zvolí možnost nespolupracovat, užitek každého z nich je nižší, než kdyby se všechny subjekty rozhodly spolupracovat.&lt;br /&gt;
&lt;br /&gt;
Dominantnost strategie nespolupráce nad spoluprácí, nehledě na celkový podíl spolupracujících z celku, ukazuje vzájemné postavení křivek funkcí spolupráce a nespolupráce v grafu. Konkrétní podoba křivek funkcí závisí na definici problému.&lt;br /&gt;
[[File:npdgraf.png|350px|center]]&lt;br /&gt;
Podstatou dilematu je tedy, že individuální racionalita vede ke kolektivní iracionalitě. [http://www.simulace.info/index.php/Nash_equilibrium/cs Nashova rovnováha] spočívá v hromadné nespolupráci. G.Hardin Vězňovo dilema pro více hráčů trefně a vtipně charakterizuje jako ''“Matematickou formulaci toho, co je špatně s naší společností”.''&amp;lt;ref name=&amp;quot;G. Hardin&amp;quot;&amp;gt; G. Hardin, “The Tragedy of the Commons,” Science, 162 (1968) 1243– 1248.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Subjekty interagující ve Vězňově dilematu jsou označovány jako [http://www.simulace.info/index.php?title=Agents/cs&amp;amp;action=edit&amp;amp;redlink=1| agenty]  a mohou to být například jednotlivci, skupiny lidí, korporace, nebo počítačové programy.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Definující parametry ==&lt;br /&gt;
&lt;br /&gt;
Kromě užitku ze spolupráce a nespolupráce pro všechny možné poměry spolupracujících a nespolupracujících agentů je možno v rámci definice uvážit řadu dalších určujících faktorů.&lt;br /&gt;
&lt;br /&gt;
Agenty se mohou, ale nemusejí rozhodovat ve stejném čase, za stejných výchozích podmínek a mohou, ale nemusejí mít k dispozici informaci o tom, jak se rozhodují ostatní. Pokud mají možnost a schopnost mezi sebou komunikovat, mohou například tvořit koalice. Dále mohou mít různě definované cíle s kterými do hry Vězňova dilematu vstupují. Prostorové uspořádání může a nemusí hrát roli a může se i měnit. Z uspořádání mohou vycházet omezení, agenty například hrají vězňovo dilema jen v rámci svého přilehlého okolí. Hra může mít pouze [http://www.simulace.info/index.php/One-shot_games/cs jedno kolo], nebo [http://www.simulace.info/index.php/Repeated_games/cs řadu navazujících kol]. U trvání a jeho konečnosti je opět důležité, zda jsou s ním agenty obeznámeny. Pokud mají hry dilematu více kol, agenty mohou rozhodování průběžně korigovat v závislosti na chování ostatních. Jakým způsobem, konceptualizuje Szilagyi&amp;lt;ref&amp;gt;Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; pomocí rozdělení na několik typů “osobností” agentů, které se mohou během hry dilematu i měnit.&lt;br /&gt;
&lt;br /&gt;
* U ''Pavlovovské osobnosti'' se pravděpodobnost spolupráce, ev. nespolupráce mění proporčně ve vztahu k získanému užitku a eventuální penalizaci plynoucím z rozhodnutí. Agenty se tak průběžně “vychovávají” po vzoru behavioralistického cukru a biče. &lt;br /&gt;
&lt;br /&gt;
* ''Stochasticky předvidatelné osobnosti'' se rozhodují stále stejným způsobem, bez ovlivňování z okolí. Například tedy vždy spolupracují, nebo nespolupracují, nebo vždy spolupracují s danou konstantní pravděpodobností. &lt;br /&gt;
&lt;br /&gt;
* ''Konformistická osobnost'' volí rozhodnutí v souladu s většinou okolních agentů. &lt;br /&gt;
&lt;br /&gt;
* ''Lakomá osobnost'' kopíruje rozhodnutí nejůspěšnějšího souseda.&lt;br /&gt;
&lt;br /&gt;
* U ''osobnosti účetní'' pravděpodobnosti rozhodnutí pro spolupráci a nespolupráci vycházejí z průměrných užitků rozhodnutí za předchozí herní kola.&lt;br /&gt;
&lt;br /&gt;
Další typy osobností je možné definovat pomocí abstrahování z reálných vlastností, které chceme v dilematu prozkoumat. Příkladem by třeba mohla být tvrdohlavá osobnost, která mění strategii neochotně, pomaleji, se setrvačností více kol. To ostatně platí i pro další dpoplňující parametry a jejich podrobnější a konkrétnější specifikace.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Příklady ==&lt;br /&gt;
&lt;br /&gt;
Na jakých reálných příkladech a situacích lze Vězňovo dilema více hráčů vysledovat? Dobrým příkladem z historie je zbrojení a nukleární pat během studené války. Všechny zůčastněné strany se v čele s vedoucími mocnostmi USA a Sovětským svazem dostali do situace, kde přestat zbrojit bylo velmi problematické. Po zlepšení vztahů pak bylo nutno uzavřít dohody o jaderném odzbrojování. &lt;br /&gt;
&lt;br /&gt;
Snad nejznámějším příkladem je [http://www.simulace.info/index.php?title=Tragedy_of_the_commons/cs&amp;amp;action=edit&amp;amp;redlink=1 Tragédie obecní pastviny], inspirovaná skutečnými poměry v osmnáctém století v Anglii. Představme si vzorovou situaci, kde šest pastevců sdílí malou kravskou pastvinu. Každý na ní ráno vodí jednu krávu, která se dobře pase a udržuje si váhu 1000 Kg. Každý pastevec má ale možnost přihnat na pastvinu dodatečnou krávu, všechny pasoucí krávy tak mají o něco méně potravy a v důsledku se jim za nějakou dobu sníží váha o 100 Kg. Pastevec, co si přivedl dodatečnou krávu má teď ale dvě krávy s celkovou hmotností 1800 Kg, výrazněže si tedy polepšil. Když to vidí ostatní pastevci, každý si na pastvinu přivede taky dodatečnou krávu. Celkem je pak na pastvině dvanáct krav, každá váží 400 Kg a všichni pastevci mají celkovou hmotnost 800 Kg oproti původním 1000 Kg.&amp;lt;ref&amp;gt;N-Person Prisoner's Dilemma. Stanford.edu [online]. [cit. 2017-06-09]. Dostupné z: https://cs.stanford.edu/people/eroberts/courses/soco/projects/1998-99/game-theory/npd.html&amp;lt;/ref&amp;gt; Jako další krok lze očekávat, že pastevci budou řešit situaci přidáváním dalších kráv, což v konečné fázi povede k tragédii v podobě vyčerpání pastviny a vyhladovění dobytka. Jak situaci řešit a tragédii obecní pastviny předejít? Způsoby, které se dnes běžně uplatňují, to jest postihnutím nespolupráce (přidání další krávy na pastvinu) pomocí restrikcí a nařízení. Pastevci, kteří vědí, že za nespolupráci mohou být penalizováni ji už nevyhodnotí, jako výhodnou a zároveň tak dostanou jakýchsi záruk, že ostatní si další krávu na pastvinu také nepřivedou.&lt;br /&gt;
&lt;br /&gt;
Aktuálním dnes a ještě více zítra, je problém s šetřením pitnou vodou. Jedná se o obdobu Tragédie obecní pastviny. S nastupujícím nedostatkem vyvstává potřeba šetřit. Šetření jednotlivce však nestačí, je nutné, aby se na něm podílelo velké množství lidí. Když ale šetří vodou skoro všichni, jednotlivec, který nešetří, nepředstavuje žádný znatelný rozdíl. Je tedy racionální se ve spotřebě vody i v tomto případě neomezovat. Pokud všichni dojdou k tomuto individuálnímu závěru a nebudou šetřit, vody bude akutní nedostatek, situace mnohem horší, než potřeba uskromnit se ve spotřebě. Obdobně můžeme vysledovat Vězňovo dilema více hráčů v nakládání s dalšími omezenými přírodními zdroji (ať už vyčerpatelnými, či pomalu obnovitelnými), například rybolov v mezinárodních vodách. Nebo i v nakládání s životním prostředím obecně, například znečištění a postoje ke globálnímu oteplování.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Vybrané studie ==&lt;br /&gt;
&lt;br /&gt;
V následující části jsou souhrny tří vybraných studií zabývajících se různými aspekty Vězňova dilematu více hráčů.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== Cognitive load in the multi-player prisoner's dilemma game: Are there brains in games? ===&lt;br /&gt;
&lt;br /&gt;
Studie&amp;lt;ref&amp;gt;Duffy, Sean and Smith, John, Cognitive Load in the Multi-Player Prisoner's Dilemma Game: Are There Brains in Games? [cit. 2017-06-04]. Dostupné z SSRN: https://ssrn.com/abstract=1841523 nebo http://dx.doi.org/10.2139/ssrn.1841523&amp;lt;/ref&amp;gt; předkládá výsledky uskutečněného experimentu, který měl za úkol zjistit vliv kognitivní zátěže na srategické uvažování, výkon a úspěšnost v simulované hře Vězňova dilematu o více hráčích. Účastnilo se ho celkem 48 studentů Rutgers University v Camden seskupených po neměnných čtveřicích, v rámci kterých proti sobě hráli 30 kol Vězňova dilematu. Užitek byl reprezentován ziskem bodů, které se nakonci experimentu převedly na utržené dolary. Dalším motivačním prvkem byl pro účastníky vstupní vklad do hry ve výši pěti dolarů. Studenti se v rámci svojí herní čtveřice neznali a byli po dobu trvání experimentu odděleni. Vězňovo dilema se hrálo pomocí jednoduchého programu na síti počítačů. Přidaná kognitivní zátěž byla realizována v podobě požadavku na zapamatování si přiděleného čísla v každém kole hry. U skupiny účastníků s nízkou zátěží šlo o dvouciferné číslo a u skupiny s vysokou zátěží o sedmiciferné. Studenti měli vždy 15s na zapamatování čísla, které měli na konci herního kola zopakovat. Bodový zisk byl podmíněn správností zopakovaného čísla. S počtem kol a pravidly byli účastníci předem seznámeni. Po třicátém kole každý student vyplnil krátký dotazník, kde pomocí škály vyjadřoval dojmy z experimentu. Výsledky experimentu potvrdili hypotézu, že rozdíl v dostupnosti kognitivních kapacit má vliv na strategické rozhodování. Obě skupiny s přibývajícími koly experimentu prokazovaly snižování ochoty volby strategie spolupracovat. Skupina s nižší přidanou kognitivní zátěží prokazovala více strategické nespolupráce v konečných kolech hry a byla obecně schopná lépe reagovat a upravovat rozhodování v závislosti na předchozích kolech hry. Studie nepotvrdila tendence více spolupracovat u hráčů s vyššími kognitivními schopnostmi, tak jak naznačuje výzkum &amp;lt;ref&amp;gt;Jones, Garett. Are smarter groups more cooperative? Evidence from prisoner's dilemma experiments, 1959–2003. Journal of Economic Behavior &amp;amp; Organization [online]. 2008, 68(3-4), 489-497 [cit. 2017-06-04]. DOI: 10.1016/j.jebo.2008.06.010. ISSN 01672681. Dostupné z: http://linkinghub.elsevier.com/retrieve/pii/S0167268108001315&amp;lt;/ref&amp;gt;, ve kterém skupiny studentů s rostoucím průměrným SAT score vykazují růst v četnostech rozhodnutí kooperovat. Autoři uvažují, že je to dáno rozdílným nastavením experimentu, zejména konečným a předem známým počtem kol.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection ===&lt;br /&gt;
&lt;br /&gt;
Na vytvořeném modelu dvou soupeřících skupin, ve kterých současně probíhá soupeření vnitroskupinové je prezentována přechodná emergence Simpsonova paradoxu. Relativní podíl spolupracujících může jednotlivě v obou skupinách klesat a současně v rámci celé populace agentů růst. Skupiny mají stejný výchozí počet agentů, kteří mezi nimi nemohou přecházet. Jednotlivé agenty mají zjednodušené strategie, buď vždy spolupracují, nebo vždy nespolupracují. Užitkové funkce ze spolupráce a nespolupráce je v rámci každé ze skupin v závislosti na podílu spolupracujících vůči celku. Jsou opět v rámci zjednodušení lineární a paralelní. Prvním definujícím parametrem je strmost, čím větší, tím více má skupina větší užitek z každého dalšího spolupracujícího agenta. Druhý parametr určuje nárůst užitku pramenící z nespolupráce (posun funkce nespolupráce po ose užitku y oproti funkci spolupráce). Pro každou jednotku času běhu modelu je navýšen počet spolupracujících agentů v závislosti na užitku spolupracujících vůči podílu spolupracujících ve skupině a obdobně počet nespolupracujících v závislosti na užitku nespolupracujících vůči podílu nespolupracujících ve skupině. Výsledný nový poměr spolupracujících a nespolupracujících ve skupině je přenesen na výchozí počet agentů ve skupině, který tak zůstává neměnný. Studie dokládá emergenci Simpsonova paradoxu a zkoumá, za jakých výchozích podmínek se v modelu přechodně objevuje a jaký má průběh. Výsledky jsou interpretovány ve vztahu ke vzniku a růstu altruistického chování.&amp;lt;ref&amp;gt;Fletcher, Jeffrey and Zwick, Martin. N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection, 2000. [cit. 2017-06-04]. Dostupné z: https://www.pdx.edu/sites/www.pdx.edu.sysc/files/sysc_alife7.pdf&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== An Investigation of N-person Prisoners’ Dilemmas ===&lt;br /&gt;
&lt;br /&gt;
Článek v první části poskytuje úvod do problematiky Vězňova dilematu více hráčů a v části druhé prezentuje jeho vytvořený, agentní, stochastický model. Model je dvoudimenzionální a umožňuje podrobné nastavení řady vstupních parametrů, tak aby jej bylo možné aplikovat na simulace různých reálných situací. Jako příklad uvádím výstup z tisíctého kola hry kde ve výchozím postavení prostřední pole obsazoval lakomý, nespolupracující agent a všechna ostatní pole náležela lakomým spolupracujícím agentům. Hry dilematu probíhali mezi přilehlými sousedy. Užitkové křivky funkcí spolupráce (C(x)=x) a nespolupráce (D(x)=1.65x) jsou zaneseny v grafu. Černá pole značí spolupracující agenty a bílá nespolupracující.&amp;lt;ref&amp;gt; Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; &lt;br /&gt;
[[File:npdspacialexample.png||center]]&lt;br /&gt;
&lt;br /&gt;
== Otázky k procvičení ==&lt;br /&gt;
&lt;br /&gt;
U následujících otázek vyberte vždy pouze jednu správnou odpověď:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Jaká je dominantní strategie racionálního agenta v jednokolové hře vězňova dilematu více hráčů?'''&lt;br /&gt;
&lt;br /&gt;
a) spolupracovat&lt;br /&gt;
&lt;br /&gt;
b) nespolupracovat &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Co je klíčovou charakteristikou Tragédie obecní pastviny (Tragedy of the Commons) a odvozených problémů?'''&lt;br /&gt;
&lt;br /&gt;
a) Řeší optimální rozmístění agentů (v tomto případě krav) v definované lokalitě.&lt;br /&gt;
&lt;br /&gt;
b) Vystupuje v ní sdílený, omezený, vyčerpatelný zdroj. &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) Vůbec by k ní nedošlo, kdyby se účastníci chovali racionálně a správně maximalizovali svůj užitek.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Platí základní charakteristiky Vězňova dilematu pro více hráčů pro původní vězňovo dilema (2 hráči)? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Budou-li všechny ostatní agenty volit strategii spolupráce, vyplatí se poslednímu agentu nespolupracovat? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
{{ambox&lt;br /&gt;
| type      = notice&lt;br /&gt;
| text      = ''Označte text odstavce otázek pro odkrytí správných odpovědí! ''&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Reference ==&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13531</id>
		<title>N-player prisoner's dilemma/cs</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13531"/>
		<updated>2017-06-09T00:45:01Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{DISPLAYTITLE:Vězňovo dilema více hráčů (česky)}}&lt;br /&gt;
&lt;br /&gt;
== Úvod ==&lt;br /&gt;
&lt;br /&gt;
Rozšíření [http://www.simulace.info/index.php/Prisoner%27s_dilemma/cs Vězňova dilematu], ikonického problému z [http://www.simulace.info/index.php/Game_theory/cs Teorie her], ze dvou na n-hráčů umožňuje jeho aplikaci pro modelování většího množství reálných situací, kde zpravidla dochází k interakcím více subjektů. Typicky jde o sociální systémy a problematiku kolektivního chování. Do Vězňova dilematu více hráčů se přenáši charakteristiky původního problému:&lt;br /&gt;
&lt;br /&gt;
* Účastníci se nachází v nějaké situaci, kde mají možnost buď spolupracovat, nebo nespolupracovat (zradit ostatní pro zvýšení osobního užitku).&lt;br /&gt;
&lt;br /&gt;
* Nehledě na to, jak se rozhodnou ostatní subjekty, pro užitek každého jednotlivě je nejvýhodnější nespolupracoat a zradit.&lt;br /&gt;
&lt;br /&gt;
* Současně ale platí, že pokud všechny subjekty zvolí možnost nespolupracovat, užitek každého z nich je nižší, než kdyby se všechny subjekty rozhodly spolupracovat.&lt;br /&gt;
&lt;br /&gt;
Dominantnost strategie nespolupráce nad spoluprácí, nehledě na celkový podíl spolupracujících z celku, ukazuje vzájemné postavení křivek funkcí spolupráce a nespolupráce v grafu. Konkrétní podoba křivek funkcí závisí na definici problému.&lt;br /&gt;
[[File:npdgraf.png|350px|center]]&lt;br /&gt;
Podstatou dilematu je tedy, že individuální racionalita vede ke kolektivní iracionalitě. [http://www.simulace.info/index.php/Nash_equilibrium/cs Nashova rovnováha] spočívá v hromadné nespolupráci. G.Hardin Vězňovo dilema pro více hráčů trefně a vtipně charakterizuje jako ''“Matematickou formulaci toho, co je špatně s naší společností”.''&amp;lt;ref name=&amp;quot;G. Hardin&amp;quot;&amp;gt; G. Hardin, “The Tragedy of the Commons,” Science, 162 (1968) 1243– 1248.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Subjekty interagující ve Vězňově dilematu jsou označovány jako [http://www.simulace.info/index.php?title=Agents/cs&amp;amp;action=edit&amp;amp;redlink=1| agenty]  a mohou to být například jednotlivci, skupiny lidí, korporace, nebo počítačové programy.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Definující parametry ==&lt;br /&gt;
&lt;br /&gt;
Kromě užitku ze spolupráce a nespolupráce pro všechny možné poměry spolupracujících a nespolupracujících agentů je možno v rámci definice uvážit řadu dalších určujících faktorů.&lt;br /&gt;
&lt;br /&gt;
Agenty se mohou, ale nemusejí rozhodovat ve stejném čase, za stejných výchozích podmínek a mohou, ale nemusejí mít k dispozici informaci o tom, jak se rozhodují ostatní. Pokud mají možnost a schopnost mezi sebou komunikovat, mohou například tvořit koalice. Dále mohou mít různě definované cíle s kterými do hry Vězňova dilematu vstupují. Prostorové uspořádání může a nemusí hrát roli a může se i měnit. Z uspořádání mohou vycházet omezení, agenty například hrají vězňovo dilema jen v rámci svého přilehlého okolí. Hra může mít pouze [http://www.simulace.info/index.php/One-shot_games/cs jedno kolo], nebo [http://www.simulace.info/index.php/Repeated_games/cs řadu navazujících kol]. U trvání a jeho konečnosti je opět důležité, zda jsou s ním agenty obeznámeny. Pokud mají hry dilematu více kol, agenty mohou rozhodování průběžně korigovat v závislosti na chování ostatních. Jakým způsobem, konceptualizuje Szilagyi&amp;lt;ref&amp;gt;Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; pomocí rozdělení na několik typů “osobností” agentů, které se mohou během hry dilematu i měnit.&lt;br /&gt;
&lt;br /&gt;
* U ''Pavlovovské osobnosti'' se pravděpodobnost spolupráce, ev. nespolupráce mění proporčně ve vztahu k získanému užitku a eventuální penalizaci plynoucím z rozhodnutí. Agenty se tak průběžně “vychovávají” po vzoru behavioralistického cukru a biče. &lt;br /&gt;
&lt;br /&gt;
* ''Stochasticky předvidatelné osobnosti'' se rozhodují stále stejným způsobem, bez ovlivňování z okolí. Například tedy vždy spolupracují, nebo nespolupracují, nebo vždy spolupracují s danou konstantní pravděpodobností. &lt;br /&gt;
&lt;br /&gt;
* ''Konformistická osobnost'' volí rozhodnutí v souladu s většinou okolních agentů. &lt;br /&gt;
&lt;br /&gt;
* ''Lakomá osobnost'' kopíruje rozhodnutí nejůspěšnějšího souseda.&lt;br /&gt;
&lt;br /&gt;
* U ''osobnosti účetní'' pravděpodobnosti rozhodnutí pro spolupráci a nespolupráci vycházejí z průměrných užitků rozhodnutí za předchozí herní kola.&lt;br /&gt;
&lt;br /&gt;
Další typy osobností je možné definovat pomocí abstrahování z reálných vlastností, které chceme v dilematu prozkoumat. Příkladem by třeba mohla být tvrdohlavá osobnost, která mění strategii neochotně, pomaleji, se setrvačností více kol. To ostatně platí i pro další dpoplňující parametry a jejich podrobnější a konkrétnější specifikace.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Příklady ==&lt;br /&gt;
&lt;br /&gt;
Na jakých reálných příkladech a situacích lze Vězňovo dilema více hráčů vysledovat? Dobrým příkladem z historie je zbrojení a nukleární pat během studené války. Všechny zůčastněné strany se v čele s vedoucími mocnostmi USA a Sovětským svazem dostali do situace, kde přestat zbrojit bylo velmi problematické. Po zlepšení vztahů pak bylo nutno uzavřít dohody o jaderném odzbrojování. &lt;br /&gt;
&lt;br /&gt;
Snad nejznámějším příkladem je [http://www.simulace.info/index.php?title=Tragedy_of_the_commons/cs&amp;amp;action=edit&amp;amp;redlink=1 Tragédie obecní pastviny], inspirovaná skutečnými poměry v osmnáctém století v Anglii. Představme si vzorovou situaci, kde šest pastevců sdílí malou kravskou pastvinu. Každý na ní ráno vodí jednu krávu, která se dobře pase a udržuje si váhu 1000 Kg. Každý pastevec má ale možnost přihnat na pastvinu dodatečnou krávu, všechny pasoucí krávy tak mají o něco méně potravy a v důsledku se jim za nějakou dobu sníží váha o 100 Kg. Pastevec, co si přivedl dodatečnou krávu má teď ale dvě krávy s celkovou hmotností 1800 Kg, výrazněže si tedy polepšil. Když to vidí ostatní pastevci, každý si na pastvinu přivede taky dodatečnou krávu. Celkem je pak na pastvině dvanáct krav, každá váží 400 Kg a všichni pastevci mají celkovou hmotnost 800 Kg oproti původním 1000 Kg.&amp;lt;ref&amp;gt;N-Person Prisoner's Dilemma. Stanford.edu [online]. [cit. 2017-06-09]. Dostupné z: https://cs.stanford.edu/people/eroberts/courses/soco/projects/1998-99/game-theory/npd.html&amp;lt;/ref&amp;gt; Jako další krok lze očekávat, že pastevci budou řešit situaci přidáváním dalších kráv, což v konečné fázi povede k tragédii v podobě vyčerpání pastviny a vyhladovění dobytka. Jak situaci řešit a tragédii obecní pastviny předejít? Způsoby, které se dnes běžně uplatňují, to jest postihnutím nespolupráce (přidání další krávy na pastvinu) pomocí restrikcí a nařízení. Pastevci, kteří vědí, že za nespolupráci mohou být penalizováni ji už nevyhodnotí, jako výhodnou a zároveň tak dostanou jakýchsi záruk, že ostatní si další krávu na pastvinu také nepřivedou.&lt;br /&gt;
&lt;br /&gt;
Aktuálním dnes a ještě více zítra, je problém s šetřením pitnou vodou. Jedná se o obdobu Tragédie obecní pastviny. S nastupujícím nedostatkem vyvstává potřeba šetřit. Šetření jednotlivce však nestačí, je nutné, aby se na něm podílelo velké množství lidí. Když ale šetří vodou skoro všichni, jednotlivec, který nešetří, nepředstavuje žádný znatelný rozdíl. Je tedy racionální se ve spotřebě vody i v tomto případě neomezovat. Pokud všichni dojdou k tomuto individuálnímu závěru a nebudou šetřit, vody bude akutní nedostatek, situace mnohem horší, než potřeba uskromnit se ve spotřebě. Obdobně můžeme vysledovat Vězňovo dilema více hráčů v nakládání s dalšími omezenými přírodními zdroji (ať už vyčerpatelnými, či pomalu obnovitelnými), například rybolov v mezinárodních vodách. Nebo i v nakládání s životním prostředím obecně, například znečištění a postoje ke globálnímu oteplování.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Vybrané studie ==&lt;br /&gt;
&lt;br /&gt;
V následující části jsou souhrny tří vybraných studií zabývajících se různými aspekty Vězňova dilematu více hráčů.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== Cognitive load in the multi-player prisoner's dilemma game: Are there brains in games? ===&lt;br /&gt;
&lt;br /&gt;
Studie&amp;lt;ref&amp;gt;Duffy, Sean and Smith, John, Cognitive Load in the Multi-Player Prisoner's Dilemma Game: Are There Brains in Games? [cit. 2017-06-04]. Dostupné z SSRN: https://ssrn.com/abstract=1841523 nebo http://dx.doi.org/10.2139/ssrn.1841523&amp;lt;/ref&amp;gt; předkládá výsledky uskutečněného experimentu, který měl za úkol zjistit vliv kognitivní zátěže na srategické uvažování, výkon a úspěšnost v simulované hře Vězňova dilematu o více hráčích. Účastnilo se ho celkem 48 studentů Rutgers University v Camden seskupených po neměnných čtveřicích, v rámci kterých proti sobě hráli 30 kol Vězňova dilematu. Užitek byl reprezentován ziskem bodů, které se nakonci experimentu převedly na utržené dolary. Dalším motivačním prvkem byl pro účastníky vstupní vklad do hry ve výši pěti dolarů. Studenti se v rámci svojí herní čtveřice neznali a byli po dobu trvání experimentu odděleni. Vězňovo dilema se hrálo pomocí jednoduchého programu na síti počítačů. Přidaná kognitivní zátěž byla realizována v podobě požadavku na zapamatování si přiděleného čísla v každém kole hry. U skupiny účastníků s nízkou zátěží šlo o dvouciferné číslo a u skupiny s vysokou zátěží o sedmiciferné. Studenti měli vždy 15s na zapamatování čísla, které měli na konci herního kola zopakovat. Bodový zisk byl podmíněn správností zopakovaného čísla. S počtem kol a pravidly byli účastníci předem seznámeni. Po třicátém kole každý student vyplnil krátký dotazník, kde pomocí škály vyjadřoval dojmy z experimentu. Výsledky experimentu potvrdili hypotézu, že rozdíl v dostupnosti kognitivních kapacit má vliv na strategické rozhodování. Obě skupiny s přibývajícími koly experimentu prokazovaly snižování ochoty volby strategie spolupracovat. Skupina s nižší přidanou kognitivní zátěží prokazovala více strategické nespolupráce v konečných kolech hry a byla obecně schopná lépe reagovat a upravovat rozhodování v závislosti na předchozích kolech hry. Studie nepotvrdila tendence více spolupracovat u hráčů s vyššími kognitivními schopnostmi, tak jak naznačuje výzkum &amp;lt;ref&amp;gt;Jones, Garett. Are smarter groups more cooperative? Evidence from prisoner's dilemma experiments, 1959–2003. Journal of Economic Behavior &amp;amp; Organization [online]. 2008, 68(3-4), 489-497 [cit. 2017-06-04]. DOI: 10.1016/j.jebo.2008.06.010. ISSN 01672681. Dostupné z: http://linkinghub.elsevier.com/retrieve/pii/S0167268108001315&amp;lt;/ref&amp;gt;, ve kterém skupiny studentů s rostoucím průměrným SAT score vykazují růst v četnostech rozhodnutí kooperovat. Autoři uvažují, že je to dáno rozdílným nastavením experimentu, zejména konečným a předem známým počtem kol.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection ===&lt;br /&gt;
&lt;br /&gt;
Na vytvořeném modelu dvou soupeřících skupin, ve kterých současně probíhá soupeření vnitroskupinové je prezentována přechodná emergence Simpsonova paradoxu. Relativní podíl spolupracujících může jednotlivě v obou skupinách klesat a současně v rámci celé populace agentů růst. Skupiny mají stejný výchozí počet agentů, kteří mezi nimi nemohou přecházet. Jednotlivé agenty mají zjednodušené strategie, buď vždy spolupracují, nebo vždy nespolupracují. Užitková funkce ze spolupráce a nespolupráce je v rámci každé ze skupin v závislosti na podílu spolupracujících vůči celku. Jsou opět v rámci zjednodušení lineární a paralelní. Prvním definujícím parametrem je strmost, čím větší, tím více má skupina větší užitek z každého dalšího spolupracujícího agenta. Druhý parametr určuje nárůst užitku pramenící z nespolupráce (posun funkce nespolupráce po ose užitku y oproti funkci spolupráce). Pro každou jednotku času běhu modelu je navýšen počet spolupracujících agentů v závislosti na užitku spolupracujících vůči podílu spolupracujících ve skupině a obdobně počet nespolupracujících v závislosti na užitku nespolupracujících vůči podílu nespolupracujících ve skupině. Výsledný nový poměr spolupracujících a nespolupracujících ve skupině je přenesen na výchozí počet agentů ve skupině, který tak zůstává neměnný. Studie dokládá emergenci Simpsonova paradoxu a zkoumá, za jakých výchozích podmínek se v modelu přechodně objevuje a jaký má průběh. Výsledky jsou interpretovány ve vztahu ke vzniku a růstu altruistického chování.&amp;lt;ref&amp;gt;Fletcher, Jeffrey and Zwick, Martin. N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection, 2000. [cit. 2017-06-04]. Dostupné z: https://www.pdx.edu/sites/www.pdx.edu.sysc/files/sysc_alife7.pdf&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== An Investigation of N-person Prisoners’ Dilemmas ===&lt;br /&gt;
&lt;br /&gt;
Článek v první části poskytuje úvod do problematiky Vězňova dilematu více hráčů a v části druhé prezentuje jeho vytvořený, agentní, stochastický model. Model je dvoudimenzionální a umožňuje podrobné nastavení řady vstupních parametrů, tak aby jej bylo možné aplikovat na simulace různých reálných situací. Jako příklad uvádím výstup z tisíctého kola hry kde ve výchozím postavení prostřední pole obsazoval lakomý, nespolupracující agent a všechna ostatní pole náležela lakomým spolupracujícím agentům. Hry dilematu probíhali mezi přilehlými sousedy. Užitkové křivky funkcí spolupráce (C(x)=x) a nespolupráce (D(x)=1.65x) jsou zaneseny v grafu. Černá pole značí spolupracující agenty a bílá nespolupracující.&amp;lt;ref&amp;gt; Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; &lt;br /&gt;
[[File:npdspacialexample.png||center]]&lt;br /&gt;
&lt;br /&gt;
== Otázky k procvičení ==&lt;br /&gt;
&lt;br /&gt;
U následujících otázek vyberte vždy pouze jednu správnou odpověď:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Jaká je dominantní strategie racionálního agenta v jednokolové hře vězňova dilematu více hráčů?'''&lt;br /&gt;
&lt;br /&gt;
a) spolupracovat&lt;br /&gt;
&lt;br /&gt;
b) nespolupracovat &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Co je klíčovou charakteristikou Tragédie obecní pastviny (Tragedy of the Commons) a odvozených problémů?'''&lt;br /&gt;
&lt;br /&gt;
a) Řeší optimální rozmístění agentů (v tomto případě krav) v definované lokalitě.&lt;br /&gt;
&lt;br /&gt;
b) Vystupuje v ní sdílený, omezený, vyčerpatelný zdroj. &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) Vůbec by k ní nedošlo, kdyby se účastníci chovali racionálně a správně maximalizovali svůj užitek.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Platí základní charakteristiky Vězňova dilematu pro více hráčů pro původní vězňovo dilema (2 hráči)? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Budou-li všechny ostatní agenty volit strategii spolupráce, vyplatí se poslednímu agentu nespolupracovat? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
{{ambox&lt;br /&gt;
| type      = notice&lt;br /&gt;
| text      = ''Označte text odstavce otázek pro odkrytí správných odpovědí! ''&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Reference ==&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13530</id>
		<title>N-player prisoner's dilemma/cs</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13530"/>
		<updated>2017-06-09T00:44:43Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{DISPLAYTITLE:Vězňovo dilema více hráčů(česky)}}&lt;br /&gt;
&lt;br /&gt;
== Úvod ==&lt;br /&gt;
&lt;br /&gt;
Rozšíření [http://www.simulace.info/index.php/Prisoner%27s_dilemma/cs Vězňova dilematu], ikonického problému z [http://www.simulace.info/index.php/Game_theory/cs Teorie her], ze dvou na n-hráčů umožňuje jeho aplikaci pro modelování většího množství reálných situací, kde zpravidla dochází k interakcím více subjektů. Typicky jde o sociální systémy a problematiku kolektivního chování. Do Vězňova dilematu více hráčů se přenáši charakteristiky původního problému:&lt;br /&gt;
&lt;br /&gt;
* Účastníci se nachází v nějaké situaci, kde mají možnost buď spolupracovat, nebo nespolupracovat (zradit ostatní pro zvýšení osobního užitku).&lt;br /&gt;
&lt;br /&gt;
* Nehledě na to, jak se rozhodnou ostatní subjekty, pro užitek každého jednotlivě je nejvýhodnější nespolupracoat a zradit.&lt;br /&gt;
&lt;br /&gt;
* Současně ale platí, že pokud všechny subjekty zvolí možnost nespolupracovat, užitek každého z nich je nižší, než kdyby se všechny subjekty rozhodly spolupracovat.&lt;br /&gt;
&lt;br /&gt;
Dominantnost strategie nespolupráce nad spoluprácí, nehledě na celkový podíl spolupracujících z celku, ukazuje vzájemné postavení křivek funkcí spolupráce a nespolupráce v grafu. Konkrétní podoba křivek funkcí závisí na definici problému.&lt;br /&gt;
[[File:npdgraf.png|350px|center]]&lt;br /&gt;
Podstatou dilematu je tedy, že individuální racionalita vede ke kolektivní iracionalitě. [http://www.simulace.info/index.php/Nash_equilibrium/cs Nashova rovnováha] spočívá v hromadné nespolupráci. G.Hardin Vězňovo dilema pro více hráčů trefně a vtipně charakterizuje jako ''“Matematickou formulaci toho, co je špatně s naší společností”.''&amp;lt;ref name=&amp;quot;G. Hardin&amp;quot;&amp;gt; G. Hardin, “The Tragedy of the Commons,” Science, 162 (1968) 1243– 1248.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Subjekty interagující ve Vězňově dilematu jsou označovány jako [http://www.simulace.info/index.php?title=Agents/cs&amp;amp;action=edit&amp;amp;redlink=1| agenty]  a mohou to být například jednotlivci, skupiny lidí, korporace, nebo počítačové programy.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Definující parametry ==&lt;br /&gt;
&lt;br /&gt;
Kromě užitku ze spolupráce a nespolupráce pro všechny možné poměry spolupracujících a nespolupracujících agentů je možno v rámci definice uvážit řadu dalších určujících faktorů.&lt;br /&gt;
&lt;br /&gt;
Agenty se mohou, ale nemusejí rozhodovat ve stejném čase, za stejných výchozích podmínek a mohou, ale nemusejí mít k dispozici informaci o tom, jak se rozhodují ostatní. Pokud mají možnost a schopnost mezi sebou komunikovat, mohou například tvořit koalice. Dále mohou mít různě definované cíle s kterými do hry Vězňova dilematu vstupují. Prostorové uspořádání může a nemusí hrát roli a může se i měnit. Z uspořádání mohou vycházet omezení, agenty například hrají vězňovo dilema jen v rámci svého přilehlého okolí. Hra může mít pouze [http://www.simulace.info/index.php/One-shot_games/cs jedno kolo], nebo [http://www.simulace.info/index.php/Repeated_games/cs řadu navazujících kol]. U trvání a jeho konečnosti je opět důležité, zda jsou s ním agenty obeznámeny. Pokud mají hry dilematu více kol, agenty mohou rozhodování průběžně korigovat v závislosti na chování ostatních. Jakým způsobem, konceptualizuje Szilagyi&amp;lt;ref&amp;gt;Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; pomocí rozdělení na několik typů “osobností” agentů, které se mohou během hry dilematu i měnit.&lt;br /&gt;
&lt;br /&gt;
* U ''Pavlovovské osobnosti'' se pravděpodobnost spolupráce, ev. nespolupráce mění proporčně ve vztahu k získanému užitku a eventuální penalizaci plynoucím z rozhodnutí. Agenty se tak průběžně “vychovávají” po vzoru behavioralistického cukru a biče. &lt;br /&gt;
&lt;br /&gt;
* ''Stochasticky předvidatelné osobnosti'' se rozhodují stále stejným způsobem, bez ovlivňování z okolí. Například tedy vždy spolupracují, nebo nespolupracují, nebo vždy spolupracují s danou konstantní pravděpodobností. &lt;br /&gt;
&lt;br /&gt;
* ''Konformistická osobnost'' volí rozhodnutí v souladu s většinou okolních agentů. &lt;br /&gt;
&lt;br /&gt;
* ''Lakomá osobnost'' kopíruje rozhodnutí nejůspěšnějšího souseda.&lt;br /&gt;
&lt;br /&gt;
* U ''osobnosti účetní'' pravděpodobnosti rozhodnutí pro spolupráci a nespolupráci vycházejí z průměrných užitků rozhodnutí za předchozí herní kola.&lt;br /&gt;
&lt;br /&gt;
Další typy osobností je možné definovat pomocí abstrahování z reálných vlastností, které chceme v dilematu prozkoumat. Příkladem by třeba mohla být tvrdohlavá osobnost, která mění strategii neochotně, pomaleji, se setrvačností více kol. To ostatně platí i pro další dpoplňující parametry a jejich podrobnější a konkrétnější specifikace.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Příklady ==&lt;br /&gt;
&lt;br /&gt;
Na jakých reálných příkladech a situacích lze Vězňovo dilema více hráčů vysledovat? Dobrým příkladem z historie je zbrojení a nukleární pat během studené války. Všechny zůčastněné strany se v čele s vedoucími mocnostmi USA a Sovětským svazem dostali do situace, kde přestat zbrojit bylo velmi problematické. Po zlepšení vztahů pak bylo nutno uzavřít dohody o jaderném odzbrojování. &lt;br /&gt;
&lt;br /&gt;
Snad nejznámějším příkladem je [http://www.simulace.info/index.php?title=Tragedy_of_the_commons/cs&amp;amp;action=edit&amp;amp;redlink=1 Tragédie obecní pastviny], inspirovaná skutečnými poměry v osmnáctém století v Anglii. Představme si vzorovou situaci, kde šest pastevců sdílí malou kravskou pastvinu. Každý na ní ráno vodí jednu krávu, která se dobře pase a udržuje si váhu 1000 Kg. Každý pastevec má ale možnost přihnat na pastvinu dodatečnou krávu, všechny pasoucí krávy tak mají o něco méně potravy a v důsledku se jim za nějakou dobu sníží váha o 100 Kg. Pastevec, co si přivedl dodatečnou krávu má teď ale dvě krávy s celkovou hmotností 1800 Kg, výrazněže si tedy polepšil. Když to vidí ostatní pastevci, každý si na pastvinu přivede taky dodatečnou krávu. Celkem je pak na pastvině dvanáct krav, každá váží 400 Kg a všichni pastevci mají celkovou hmotnost 800 Kg oproti původním 1000 Kg.&amp;lt;ref&amp;gt;N-Person Prisoner's Dilemma. Stanford.edu [online]. [cit. 2017-06-09]. Dostupné z: https://cs.stanford.edu/people/eroberts/courses/soco/projects/1998-99/game-theory/npd.html&amp;lt;/ref&amp;gt; Jako další krok lze očekávat, že pastevci budou řešit situaci přidáváním dalších kráv, což v konečné fázi povede k tragédii v podobě vyčerpání pastviny a vyhladovění dobytka. Jak situaci řešit a tragédii obecní pastviny předejít? Způsoby, které se dnes běžně uplatňují, to jest postihnutím nespolupráce (přidání další krávy na pastvinu) pomocí restrikcí a nařízení. Pastevci, kteří vědí, že za nespolupráci mohou být penalizováni ji už nevyhodnotí, jako výhodnou a zároveň tak dostanou jakýchsi záruk, že ostatní si další krávu na pastvinu také nepřivedou.&lt;br /&gt;
&lt;br /&gt;
Aktuálním dnes a ještě více zítra, je problém s šetřením pitnou vodou. Jedná se o obdobu Tragédie obecní pastviny. S nastupujícím nedostatkem vyvstává potřeba šetřit. Šetření jednotlivce však nestačí, je nutné, aby se na něm podílelo velké množství lidí. Když ale šetří vodou skoro všichni, jednotlivec, který nešetří, nepředstavuje žádný znatelný rozdíl. Je tedy racionální se ve spotřebě vody i v tomto případě neomezovat. Pokud všichni dojdou k tomuto individuálnímu závěru a nebudou šetřit, vody bude akutní nedostatek, situace mnohem horší, než potřeba uskromnit se ve spotřebě. Obdobně můžeme vysledovat Vězňovo dilema více hráčů v nakládání s dalšími omezenými přírodními zdroji (ať už vyčerpatelnými, či pomalu obnovitelnými), například rybolov v mezinárodních vodách. Nebo i v nakládání s životním prostředím obecně, například znečištění a postoje ke globálnímu oteplování.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Vybrané studie ==&lt;br /&gt;
&lt;br /&gt;
V následující části jsou souhrny tří vybraných studií zabývajících se různými aspekty Vězňova dilematu více hráčů.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== Cognitive load in the multi-player prisoner's dilemma game: Are there brains in games? ===&lt;br /&gt;
&lt;br /&gt;
Studie&amp;lt;ref&amp;gt;Duffy, Sean and Smith, John, Cognitive Load in the Multi-Player Prisoner's Dilemma Game: Are There Brains in Games? [cit. 2017-06-04]. Dostupné z SSRN: https://ssrn.com/abstract=1841523 nebo http://dx.doi.org/10.2139/ssrn.1841523&amp;lt;/ref&amp;gt; předkládá výsledky uskutečněného experimentu, který měl za úkol zjistit vliv kognitivní zátěže na srategické uvažování, výkon a úspěšnost v simulované hře Vězňova dilematu o více hráčích. Účastnilo se ho celkem 48 studentů Rutgers University v Camden seskupených po neměnných čtveřicích, v rámci kterých proti sobě hráli 30 kol Vězňova dilematu. Užitek byl reprezentován ziskem bodů, které se nakonci experimentu převedly na utržené dolary. Dalším motivačním prvkem byl pro účastníky vstupní vklad do hry ve výši pěti dolarů. Studenti se v rámci svojí herní čtveřice neznali a byli po dobu trvání experimentu odděleni. Vězňovo dilema se hrálo pomocí jednoduchého programu na síti počítačů. Přidaná kognitivní zátěž byla realizována v podobě požadavku na zapamatování si přiděleného čísla v každém kole hry. U skupiny účastníků s nízkou zátěží šlo o dvouciferné číslo a u skupiny s vysokou zátěží o sedmiciferné. Studenti měli vždy 15s na zapamatování čísla, které měli na konci herního kola zopakovat. Bodový zisk byl podmíněn správností zopakovaného čísla. S počtem kol a pravidly byli účastníci předem seznámeni. Po třicátém kole každý student vyplnil krátký dotazník, kde pomocí škály vyjadřoval dojmy z experimentu. Výsledky experimentu potvrdili hypotézu, že rozdíl v dostupnosti kognitivních kapacit má vliv na strategické rozhodování. Obě skupiny s přibývajícími koly experimentu prokazovaly snižování ochoty volby strategie spolupracovat. Skupina s nižší přidanou kognitivní zátěží prokazovala více strategické nespolupráce v konečných kolech hry a byla obecně schopná lépe reagovat a upravovat rozhodování v závislosti na předchozích kolech hry. Studie nepotvrdila tendence více spolupracovat u hráčů s vyššími kognitivními schopnostmi, tak jak naznačuje výzkum &amp;lt;ref&amp;gt;Jones, Garett. Are smarter groups more cooperative? Evidence from prisoner's dilemma experiments, 1959–2003. Journal of Economic Behavior &amp;amp; Organization [online]. 2008, 68(3-4), 489-497 [cit. 2017-06-04]. DOI: 10.1016/j.jebo.2008.06.010. ISSN 01672681. Dostupné z: http://linkinghub.elsevier.com/retrieve/pii/S0167268108001315&amp;lt;/ref&amp;gt;, ve kterém skupiny studentů s rostoucím průměrným SAT score vykazují růst v četnostech rozhodnutí kooperovat. Autoři uvažují, že je to dáno rozdílným nastavením experimentu, zejména konečným a předem známým počtem kol.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection ===&lt;br /&gt;
&lt;br /&gt;
Na vytvořeném modelu dvou soupeřících skupin, ve kterých současně probíhá soupeření vnitroskupinové je prezentována přechodná emergence Simpsonova paradoxu. Relativní podíl spolupracujících může jednotlivě v obou skupinách klesat a současně v rámci celé populace agentů růst. Skupiny mají stejný výchozí počet agentů, kteří mezi nimi nemohou přecházet. Jednotlivé agenty mají zjednodušené strategie, buď vždy spolupracují, nebo vždy nespolupracují. Užitková funkce ze spolupráce a nespolupráce je v rámci každé ze skupin v závislosti na podílu spolupracujících vůči celku. Jsou opět v rámci zjednodušení lineární a paralelní. Prvním definujícím parametrem je strmost, čím větší, tím více má skupina větší užitek z každého dalšího spolupracujícího agenta. Druhý parametr určuje nárůst užitku pramenící z nespolupráce (posun funkce nespolupráce po ose užitku y oproti funkci spolupráce). Pro každou jednotku času běhu modelu je navýšen počet spolupracujících agentů v závislosti na užitku spolupracujících vůči podílu spolupracujících ve skupině a obdobně počet nespolupracujících v závislosti na užitku nespolupracujících vůči podílu nespolupracujících ve skupině. Výsledný nový poměr spolupracujících a nespolupracujících ve skupině je přenesen na výchozí počet agentů ve skupině, který tak zůstává neměnný. Studie dokládá emergenci Simpsonova paradoxu a zkoumá, za jakých výchozích podmínek se v modelu přechodně objevuje a jaký má průběh. Výsledky jsou interpretovány ve vztahu ke vzniku a růstu altruistického chování.&amp;lt;ref&amp;gt;Fletcher, Jeffrey and Zwick, Martin. N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection, 2000. [cit. 2017-06-04]. Dostupné z: https://www.pdx.edu/sites/www.pdx.edu.sysc/files/sysc_alife7.pdf&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== An Investigation of N-person Prisoners’ Dilemmas ===&lt;br /&gt;
&lt;br /&gt;
Článek v první části poskytuje úvod do problematiky Vězňova dilematu více hráčů a v části druhé prezentuje jeho vytvořený, agentní, stochastický model. Model je dvoudimenzionální a umožňuje podrobné nastavení řady vstupních parametrů, tak aby jej bylo možné aplikovat na simulace různých reálných situací. Jako příklad uvádím výstup z tisíctého kola hry kde ve výchozím postavení prostřední pole obsazoval lakomý, nespolupracující agent a všechna ostatní pole náležela lakomým spolupracujícím agentům. Hry dilematu probíhali mezi přilehlými sousedy. Užitkové křivky funkcí spolupráce (C(x)=x) a nespolupráce (D(x)=1.65x) jsou zaneseny v grafu. Černá pole značí spolupracující agenty a bílá nespolupracující.&amp;lt;ref&amp;gt; Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; &lt;br /&gt;
[[File:npdspacialexample.png||center]]&lt;br /&gt;
&lt;br /&gt;
== Otázky k procvičení ==&lt;br /&gt;
&lt;br /&gt;
U následujících otázek vyberte vždy pouze jednu správnou odpověď:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Jaká je dominantní strategie racionálního agenta v jednokolové hře vězňova dilematu více hráčů?'''&lt;br /&gt;
&lt;br /&gt;
a) spolupracovat&lt;br /&gt;
&lt;br /&gt;
b) nespolupracovat &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Co je klíčovou charakteristikou Tragédie obecní pastviny (Tragedy of the Commons) a odvozených problémů?'''&lt;br /&gt;
&lt;br /&gt;
a) Řeší optimální rozmístění agentů (v tomto případě krav) v definované lokalitě.&lt;br /&gt;
&lt;br /&gt;
b) Vystupuje v ní sdílený, omezený, vyčerpatelný zdroj. &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) Vůbec by k ní nedošlo, kdyby se účastníci chovali racionálně a správně maximalizovali svůj užitek.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Platí základní charakteristiky Vězňova dilematu pro více hráčů pro původní vězňovo dilema (2 hráči)? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Budou-li všechny ostatní agenty volit strategii spolupráce, vyplatí se poslednímu agentu nespolupracovat? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
{{ambox&lt;br /&gt;
| type      = notice&lt;br /&gt;
| text      = ''Označte text odstavce otázek pro odkrytí správných odpovědí! ''&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Reference ==&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13505</id>
		<title>N-player prisoner's dilemma/cs</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13505"/>
		<updated>2017-06-08T23:29:55Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Úvod ==&lt;br /&gt;
&lt;br /&gt;
Rozšíření [http://www.simulace.info/index.php/Prisoner%27s_dilemma/cs Vězňova dilematu], ikonického problému z [http://www.simulace.info/index.php/Game_theory/cs Teorie her], ze dvou na n-hráčů umožňuje jeho aplikaci pro modelování většího množství reálných situací, kde zpravidla dochází k interakcím více subjektů. Typicky jde o sociální systémy a problematiku kolektivního chování. Do Vězňova dilematu více hráčů se přenáši charakteristiky původního problému:&lt;br /&gt;
&lt;br /&gt;
* Účastníci se nachází v nějaké situaci, kde mají možnost buď spolupracovat, nebo nespolupracovat (zradit ostatní pro zvýšení osobního užitku).&lt;br /&gt;
&lt;br /&gt;
* Nehledě na to, jak se rozhodnou ostatní subjekty, pro užitek každého jednotlivě je nejvýhodnější nespolupracoat a zradit.&lt;br /&gt;
&lt;br /&gt;
* Současně ale platí, že pokud všechny subjekty zvolí možnost nespolupracovat, užitek každého z nich je nižší, než kdyby se všechny subjekty rozhodly spolupracovat.&lt;br /&gt;
&lt;br /&gt;
Dominantnost strategie nespolupráce nad spoluprácí, nehledě na celkový podíl spolupracujících z celku, ukazuje vzájemné postavení křivek funkcí spolupráce a nespolupráce v grafu. Konkrétní podoba křivek funkcí závisí na definici problému.&lt;br /&gt;
[[File:npdgraf.png|350px|center]]&lt;br /&gt;
Podstatou dilematu je tedy, že individuální racionalita vede ke kolektivní iracionalitě. [http://www.simulace.info/index.php/Nash_equilibrium/cs Nashova rovnováha] spočívá v hromadné nespolupráci. G.Hardin Vězňovo dilema pro více hráčů trefně a vtipně charakterizuje jako ''“Matematickou formulaci toho, co je špatně s naší společností”.''&amp;lt;ref name=&amp;quot;G. Hardin&amp;quot;&amp;gt; G. Hardin, “The Tragedy of the Commons,” Science, 162 (1968) 1243– 1248.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Subjekty interagující ve Vězňově dilematu jsou označovány jako [http://www.simulace.info/index.php?title=Agents/cs&amp;amp;action=edit&amp;amp;redlink=1| agenty]  a mohou to být například jednotlivci, skupiny lidí, korporace, nebo počítačové programy.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Definující parametry ==&lt;br /&gt;
&lt;br /&gt;
Kromě užitku ze spolupráce a nespolupráce pro všechny možné poměry spolupracujících a nespolupracujících agentů je možno v rámci definice uvážit řadu dalších určujících faktorů.&lt;br /&gt;
&lt;br /&gt;
Agenty se mohou, ale nemusejí rozhodovat ve stejném čase, za stejných výchozích podmínek a mohou, ale nemusejí mít k dispozici informaci o tom, jak se rozhodují ostatní. Pokud mají možnost a schopnost mezi sebou komunikovat, mohou například tvořit koalice. Dále mohou mít různě definované cíle s kterými do hry Vězňova dilematu vstupují. Prostorové uspořádání může a nemusí hrát roli a může se i měnit. Z uspořádání mohou vycházet omezení, agenty například hrají vězňovo dilema jen v rámci svého přilehlého okolí. Hra může mít pouze [http://www.simulace.info/index.php/One-shot_games/cs jedno kolo], nebo [http://www.simulace.info/index.php/Repeated_games/cs řadu navazujících kol]. U trvání a jeho konečnosti je opět důležité, zda jsou s ním agenty obeznámeny. Pokud mají hry dilematu více kol, agenty mohou rozhodování průběžně korigovat v závislosti na chování ostatních. Jakým způsobem, konceptualizuje Szilagyi&amp;lt;ref&amp;gt;Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; pomocí rozdělení na několik typů “osobností” agentů, které se mohou během hry dilematu i měnit.&lt;br /&gt;
&lt;br /&gt;
* U ''Pavlovovské osobnosti'' se pravděpodobnost spolupráce, ev. nespolupráce mění proporčně ve vztahu k získanému užitku a eventuální penalizaci plynoucím z rozhodnutí. Agenty se tak průběžně “vychovávají” po vzoru behavioralistického cukru a biče. &lt;br /&gt;
&lt;br /&gt;
* ''Stochasticky předvidatelné osobnosti'' se rozhodují stále stejným způsobem, bez ovlivňování z okolí. Například tedy vždy spolupracují, nebo nespolupracují, nebo vždy spolupracují s danou konstantní pravděpodobností. &lt;br /&gt;
&lt;br /&gt;
* ''Konformistická osobnost'' volí rozhodnutí v souladu s většinou okolních agentů. &lt;br /&gt;
&lt;br /&gt;
* ''Lakomá osobnost'' kopíruje rozhodnutí nejůspěšnějšího souseda.&lt;br /&gt;
&lt;br /&gt;
* U ''osobnosti účetní'' pravděpodobnosti rozhodnutí pro spolupráci a nespolupráci vycházejí z průměrných užitků rozhodnutí za předchozí herní kola.&lt;br /&gt;
&lt;br /&gt;
Další typy osobností je možné definovat pomocí abstrahování z reálných vlastností, které chceme v dilematu prozkoumat. Příkladem by třeba mohla být tvrdohlavá osobnost, která mění strategii neochotně, pomaleji, se setrvačností více kol. To ostatně platí i pro další dpoplňující parametry a jejich podrobnější a konkrétnější specifikace.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Příklady ==&lt;br /&gt;
&lt;br /&gt;
Na jakých reálných příkladech a situacích lze Vězňovo dilema více hráčů vysledovat? Dobrým příkladem z historie je zbrojení a nukleární pat během studené války. Všechny zůčastněné strany se v čele s vedoucími mocnostmi USA a Sovětským svazem dostali do situace, kde přestat zbrojit bylo velmi problematické. Po zlepšení vztahů pak bylo nutno uzavřít dohody o jaderném odzbrojování. &lt;br /&gt;
&lt;br /&gt;
Snad nejznámějším příkladem je [http://www.simulace.info/index.php?title=Tragedy_of_the_commons/cs&amp;amp;action=edit&amp;amp;redlink=1 Tragédie obecní pastviny], inspirovaná skutečnými poměry v osmnáctém století v Anglii. Představme si vzorovou situaci, kde šest pastevců sdílí malou kravskou pastvinu. Každý na ní ráno vodí jednu krávu, která se dobře pase a udržuje si váhu 1000 Kg. Každý pastevec má ale možnost přihnat na pastvinu dodatečnou krávu, všechny pasoucí krávy tak mají o něco méně potravy a v důsledku se jim za nějakou dobu sníží váha o 100 Kg. Pastevec, co si přivedl dodatečnou krávu má teď ale dvě krávy s celkovou hmotností 1800 Kg, výrazněže si tedy polepšil. Když to vidí ostatní pastevci, každý si na pastvinu přivede taky dodatečnou krávu. Celkem je pak na pastvině dvanáct krav, každá váží 400 Kg a všichni pastevci mají celkovou hmotnost 800 Kg oproti původním 1000 Kg.&amp;lt;ref&amp;gt;N-Person Prisoner's Dilemma. Stanford.edu [online]. [cit. 2017-06-09]. Dostupné z: https://cs.stanford.edu/people/eroberts/courses/soco/projects/1998-99/game-theory/npd.html&amp;lt;/ref&amp;gt; Jako další krok lze očekávat, že pastevci budou řešit situaci přidáváním dalších kráv, což v konečné fázi povede k tragédii v podobě vyčerpání pastviny a vyhladovění dobytka. Jak situaci řešit a tragédii obecní pastviny předejít? Způsoby, které se dnes běžně uplatňují, to jest postihnutím nespolupráce (přidání další krávy na pastvinu) pomocí restrikcí a nařízení. Pastevci, kteří vědí, že za nespolupráci mohou být penalizováni ji už nevyhodnotí, jako výhodnou a zároveň tak dostanou jakýchsi záruk, že ostatní si další krávu na pastvinu také nepřivedou.&lt;br /&gt;
&lt;br /&gt;
Aktuálním dnes a ještě více zítra, je problém s šetřením pitnou vodou. Jedná se o obdobu Tragédie obecní pastviny. S nastupujícím nedostatkem vyvstává potřeba šetřit. Šetření jednotlivce však nestačí, je nutné, aby se na něm podílelo velké množství lidí. Když ale šetří vodou skoro všichni, jednotlivec, který nešetří, nepředstavuje žádný znatelný rozdíl. Je tedy racionální se ve spotřebě vody i v tomto případě neomezovat. Pokud všichni dojdou k tomuto individuálnímu závěru a nebudou šetřit, vody bude akutní nedostatek, situace mnohem horší, než potřeba uskromnit se ve spotřebě. Obdobně můžeme vysledovat Vězňovo dilema více hráčů v nakládání s dalšími omezenými přírodními zdroji (ať už vyčerpatelnými, či pomalu obnovitelnými), například rybolov v mezinárodních vodách. Nebo i v nakládání s životním prostředím obecně, například znečištění a postoje ke globálnímu oteplování.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Vybrané studie ==&lt;br /&gt;
&lt;br /&gt;
V následující části jsou souhrny tří vybraných studií zabývajících se různými aspekty Vězňova dilematu více hráčů.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== Cognitive load in the multi-player prisoner's dilemma game: Are there brains in games? ===&lt;br /&gt;
&lt;br /&gt;
Studie&amp;lt;ref&amp;gt;Duffy, Sean and Smith, John, Cognitive Load in the Multi-Player Prisoner's Dilemma Game: Are There Brains in Games? [cit. 2017-06-04]. Dostupné z SSRN: https://ssrn.com/abstract=1841523 nebo http://dx.doi.org/10.2139/ssrn.1841523&amp;lt;/ref&amp;gt; předkládá výsledky uskutečněného experimentu, který měl za úkol zjistit vliv kognitivní zátěže na srategické uvažování, výkon a úspěšnost v simulované hře Vězňova dilematu o více hráčích. Účastnilo se ho celkem 48 studentů Rutgers University v Camden seskupených po neměnných čtveřicích, v rámci kterých proti sobě hráli 30 kol Vězňova dilematu. Užitek byl reprezentován ziskem bodů, které se nakonci experimentu převedly na utržené dolary. Dalším motivačním prvkem byl pro účastníky vstupní vklad do hry ve výši pěti dolarů. Studenti se v rámci svojí herní čtveřice neznali a byli po dobu trvání experimentu odděleni. Vězňovo dilema se hrálo pomocí jednoduchého programu na síti počítačů. Přidaná kognitivní zátěž byla realizována v podobě požadavku na zapamatování si přiděleného čísla v každém kole hry. U skupiny účastníků s nízkou zátěží šlo o dvouciferné číslo a u skupiny s vysokou zátěží o sedmiciferné. Studenti měli vždy 15s na zapamatování čísla, které měli na konci herního kola zopakovat. Bodový zisk byl podmíněn správností zopakovaného čísla. S počtem kol a pravidly byli účastníci předem seznámeni. Po třicátém kole každý student vyplnil krátký dotazník, kde pomocí škály vyjadřoval dojmy z experimentu. Výsledky experimentu potvrdili hypotézu, že rozdíl v dostupnosti kognitivních kapacit má vliv na strategické rozhodování. Obě skupiny s přibývajícími koly experimentu prokazovaly snižování ochoty volby strategie spolupracovat. Skupina s nižší přidanou kognitivní zátěží prokazovala více strategické nespolupráce v konečných kolech hry a byla obecně schopná lépe reagovat a upravovat rozhodování v závislosti na předchozích kolech hry. Studie nepotvrdila tendence více spolupracovat u hráčů s vyššími kognitivními schopnostmi, tak jak naznačuje výzkum &amp;lt;ref&amp;gt;Jones, Garett. Are smarter groups more cooperative? Evidence from prisoner's dilemma experiments, 1959–2003. Journal of Economic Behavior &amp;amp; Organization [online]. 2008, 68(3-4), 489-497 [cit. 2017-06-04]. DOI: 10.1016/j.jebo.2008.06.010. ISSN 01672681. Dostupné z: http://linkinghub.elsevier.com/retrieve/pii/S0167268108001315&amp;lt;/ref&amp;gt;, ve kterém skupiny studentů s rostoucím průměrným SAT score vykazují růst v četnostech rozhodnutí kooperovat. Autoři uvažují, že je to dáno rozdílným nastavením experimentu, zejména konečným a předem známým počtem kol.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection ===&lt;br /&gt;
&lt;br /&gt;
Na vytvořeném modelu dvou soupeřících skupin, ve kterých současně probíhá soupeření vnitroskupinové je prezentována přechodná emergence Simpsonova paradoxu. Relativní podíl spolupracujících může jednotlivě v obou skupinách klesat a současně v rámci celé populace agentů růst. Skupiny mají stejný výchozí počet agentů, kteří mezi nimi nemohou přecházet. Jednotlivé agenty mají zjednodušené strategie, buď vždy spolupracují, nebo vždy nespolupracují. Užitková funkce ze spolupráce a nespolupráce je v rámci každé ze skupin v závislosti na podílu spolupracujících vůči celku. Jsou opět v rámci zjednodušení lineární a paralelní. Prvním definujícím parametrem je strmost, čím větší, tím více má skupina větší užitek z každého dalšího spolupracujícího agenta. Druhý parametr určuje nárůst užitku pramenící z nespolupráce (posun funkce nespolupráce po ose užitku y oproti funkci spolupráce). Pro každou jednotku času běhu modelu je navýšen počet spolupracujících agentů v závislosti na užitku spolupracujících vůči podílu spolupracujících ve skupině a obdobně počet nespolupracujících v závislosti na užitku nespolupracujících vůči podílu nespolupracujících ve skupině. Výsledný nový poměr spolupracujících a nespolupracujících ve skupině je přenesen na výchozí počet agentů ve skupině, který tak zůstává neměnný. Studie dokládá emergenci Simpsonova paradoxu a zkoumá, za jakých výchozích podmínek se v modelu přechodně objevuje a jaký má průběh. Výsledky jsou interpretovány ve vztahu ke vzniku a růstu altruistického chování.&amp;lt;ref&amp;gt;Fletcher, Jeffrey and Zwick, Martin. N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection, 2000. [cit. 2017-06-04]. Dostupné z: https://www.pdx.edu/sites/www.pdx.edu.sysc/files/sysc_alife7.pdf&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== An Investigation of N-person Prisoners’ Dilemmas ===&lt;br /&gt;
&lt;br /&gt;
Článek v první části poskytuje úvod do problematiky Vězňova dilematu více hráčů a v části druhé prezentuje jeho vytvořený, agentní, stochastický model. Model je dvoudimenzionální a umožňuje podrobné nastavení řady vstupních parametrů, tak aby jej bylo možné aplikovat na simulace různých reálných situací. Jako příklad uvádím výstup z tisíctého kola hry kde ve výchozím postavení prostřední pole obsazoval lakomý, nespolupracující agent a všechna ostatní pole náležela lakomým spolupracujícím agentům. Hry dilematu probíhali mezi přilehlými sousedy. Užitkové křivky funkcí spolupráce (C(x)=x) a nespolupráce (D(x)=1.65x) jsou zaneseny v grafu. Černá pole značí spolupracující agenty a bílá nespolupracující.&amp;lt;ref&amp;gt; Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; &lt;br /&gt;
[[File:npdspacialexample.png||center]]&lt;br /&gt;
&lt;br /&gt;
== Otázky k procvičení ==&lt;br /&gt;
&lt;br /&gt;
U následujících otázek vyberte vždy pouze jednu správnou odpověď:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Jaká je dominantní strategie racionálního agenta v jednokolové hře vězňova dilematu více hráčů?'''&lt;br /&gt;
&lt;br /&gt;
a) spolupracovat&lt;br /&gt;
&lt;br /&gt;
b) nespolupracovat &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Co je klíčovou charakteristikou Tragédie obecní pastviny (Tragedy of the Commons) a odvozených problémů?'''&lt;br /&gt;
&lt;br /&gt;
a) Řeší optimální rozmístění agentů (v tomto případě krav) v definované lokalitě.&lt;br /&gt;
&lt;br /&gt;
b) Vystupuje v ní sdílený, omezený, vyčerpatelný zdroj. &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) Vůbec by k ní nedošlo, kdyby se účastníci chovali racionálně a správně maximalizovali svůj užitek.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Platí základní charakteristiky Vězňova dilematu pro více hráčů pro původní vězňovo dilema (2 hráči)? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Budou-li všechny ostatní agenty volit strategii spolupráce, vyplatí se poslednímu agentu nespolupracovat? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
{{ambox&lt;br /&gt;
| type      = notice&lt;br /&gt;
| text      = ''Označte text odstavce otázek pro odkrytí správných odpovědí! ''&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Reference ==&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13504</id>
		<title>N-player prisoner's dilemma/cs</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13504"/>
		<updated>2017-06-08T23:28:42Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Úvod ==&lt;br /&gt;
&lt;br /&gt;
Rozšíření [http://www.simulace.info/index.php/Prisoner%27s_dilemma/cs Vězňova dilematu], ikonického problému z [http://www.simulace.info/index.php/Game_theory/cs Teorie her], ze dvou na n-hráčů umožňuje jeho aplikaci pro modelování většího množství reálných situací, kde zpravidla dochází k interakcím více subjektů. Typicky jde o sociální systémy a problematiku kolektivního chování. Do Vězňova dilematu více hráčů se přenáši charakteristiky původního problému:&lt;br /&gt;
&lt;br /&gt;
* Účastníci se nachází v nějaké situaci, kde mají možnost buď spolupracovat, nebo nespolupracovat (zradit ostatní pro zvýšení osobního užitku).&lt;br /&gt;
&lt;br /&gt;
* Nehledě na to, jak se rozhodnou ostatní subjekty, pro užitek každého jednotlivě je nejvýhodnější nespolupracoat a zradit.&lt;br /&gt;
&lt;br /&gt;
* Současně ale platí, že pokud všechny subjekty zvolí možnost nespolupracovat, užitek každého z nich je nižší, než kdyby se všechny subjekty rozhodly spolupracovat.&lt;br /&gt;
&lt;br /&gt;
Dominantnost strategie nespolupráce nad spoluprácí, nehledě na celkový podíl spolupracujících z celku, ukazuje vzájemné postavení křivek funkcí spolupráce a nespolupráce v grafu. Konkrétní podoba křivek funkcí závisí na definici problému.&lt;br /&gt;
[[File:npdgraf.png|350px|center]]&lt;br /&gt;
Podstatou dilematu je tedy, že individuální racionalita vede ke kolektivní iracionalitě. [http://www.simulace.info/index.php/Nash_equilibrium/cs Nashova rovnováha] spočívá v hromadné nespolupráci. G.Hardin Vězňovo dilema pro více hráčů trefně a vtipně charakterizuje jako ''“Matematickou formulaci toho, co je špatně s naší společností”.''&amp;lt;ref name=&amp;quot;G. Hardin&amp;quot;&amp;gt; G. Hardin, “The Tragedy of the Commons,” Science, 162 (1968) 1243– 1248.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Subjekty interagující ve Vězňově dilematu jsou označovány jako [http://www.simulace.info/index.php?title=Agents/cs&amp;amp;action=edit&amp;amp;redlink=1| agenty]  a mohou to být například jednotlivci, skupiny lidí, korporace, nebo počítačové programy.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Definující parametry ==&lt;br /&gt;
&lt;br /&gt;
Kromě užitku ze spolupráce a nespolupráce pro všechny možné poměry spolupracujících a nespolupracujících agentů je možno v rámci definice uvážit řadu dalších určujících faktorů.&lt;br /&gt;
&lt;br /&gt;
Agenty se mohou, ale nemusejí rozhodovat ve stejném čase, za stejných výchozích podmínek a mohou, ale nemusejí mít k dispozici informaci o tom, jak se rozhodují ostatní. Pokud mají možnost a schopnost mezi sebou komunikovat, mohou například tvořit koalice. Dále mohou mít různě definované cíle s kterými do hry Vězňova dilematu vstupují. Prostorové uspořádání může a nemusí hrát roli a může se i měnit. Z uspořádání mohou vycházet omezení, agenty například hrají vězňovo dilema jen v rámci svého přilehlého okolí. Hra může mít pouze [http://www.simulace.info/index.php/One-shot_games/cs jedno kolo], nebo [http://www.simulace.info/index.php/Repeated_games/cs řadu navazujících kol]. U trvání a jeho konečnosti je opět důležité, zda jsou s ním agenty obeznámeny. Pokud mají hry dilematu více kol, agenty mohou rozhodování průběžně korigovat v závislosti na chování ostatních. Jakým způsobem, konceptualizuje Szilagyi&amp;lt;ref&amp;gt;Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; pomocí rozdělení na několik typů “osobností” agentů, které se mohou během hry dilematu i měnit.&lt;br /&gt;
&lt;br /&gt;
* U ''Pavlovovské osobnosti'' se pravděpodobnost spolupráce, ev. nespolupráce mění proporčně ve vztahu k získanému užitku a eventuální penalizaci plynoucím z rozhodnutí. Agenty se tak průběžně “vychovávají” po vzoru behavioralistického cukru a biče. &lt;br /&gt;
&lt;br /&gt;
* ''Stochasticky předvidatelné osobnosti'' se rozhodují stále stejným způsobem, bez ovlivňování z okolí. Například tedy vždy spolupracují, nebo nespolupracují, nebo vždy spolupracují s danou konstantní pravděpodobností. &lt;br /&gt;
&lt;br /&gt;
* ''Konformistická osobnost'' volí rozhodnutí v souladu s většinou okolních agentů. &lt;br /&gt;
&lt;br /&gt;
* ''Lakomá osobnost'' kopíruje rozhodnutí nejůspěšnějšího souseda.&lt;br /&gt;
&lt;br /&gt;
* U ''osobnosti účetní'' pravděpodobnosti rozhodnutí pro spolupráci a nespolupráci vycházejí z průměrných užitků rozhodnutí za předchozí herní kola.&lt;br /&gt;
&lt;br /&gt;
Další typy osobností je možné definovat pomocí abstrahování z reálných vlastností, které chceme v dilematu prozkoumat. Příkladem by třeba mohla být tvrdohlavá osobnost, která mění strategii neochotně, pomaleji, se setrvačností více kol. To ostatně platí i pro další dpoplňující parametry a jejich podrobnější a konkrétnější specifikace.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Příklady ==&lt;br /&gt;
&lt;br /&gt;
Na jakých reálných příkladech a situacích lze Vězňovo dilema více hráčů vysledovat? Dobrým příkladem z historie je zbrojení a nukleární pat během studené války. Všechny zůčastněné strany se v čele s vedoucími mocnostmi USA a Sovětským svazem dostali do situace, kde přestat zbrojit bylo velmi problematické. Po zlepšení vztahů pak bylo nutno uzavřít dohody o jaderném odzbrojování. &lt;br /&gt;
&lt;br /&gt;
Snad nejznámějším příkladem je [http://www.simulace.info/index.php?title=Tragedy_of_the_commons/cs&amp;amp;action=edit&amp;amp;redlink=1 Tragédie obecní pastviny], inspirovaná skutečnými poměry v osmnáctém století v Anglii. Představme si vzorovou situaci, kde šest pastevců sdílí malou kravskou pastvinu. Každý na ní ráno vodí jednu krávu, která se dobře pase a udržuje si váhu 1000 Kg. Každý pastevec má ale možnost přihnat na pastvinu dodatečnou krávu, všechny pasoucí krávy tak mají o něco méně potravy a v důsledku se jim za nějakou dobu sníží váha o 100 Kg. Pastevec, co si přivedl dodatečnou krávu má teď ale dvě krávy s celkovou hmotností 1800 Kg, výrazněže si tedy polepšil. Když to vidí ostatní pastevci, každý si na pastvinu přivede taky dodatečnou krávu. Celkem je pak na pastvině dvanáct krav, každá váží 400 Kg a všichni pastevci mají celkovou hmotnost 800 Kg oproti původním 1000 Kg.&amp;lt;ref&amp;gt;N-Person Prisoner's Dilemma. Stanford.edu [online]. [cit. 2017-06-09]. Dostupné z: https://cs.stanford.edu/people/eroberts/courses/soco/projects/1998-99/game-theory/npd.html&amp;lt;/ref&amp;gt; Jako další krok lze očekávat, že pastevci budou řešit situaci přidáváním dalších kráv, což v konečné fázi povede k tragédii v podobě vyčerpání pastviny a vyhladovění dobytka. Jak situaci řešit a tragédii obecní pastviny předejít? Způsoby, které se dnes běžně uplatňují, to jest postihnutím nespolupráce (přidání další krávy na pastvinu) pomocí restrikcí a nařízení. Pastevci, kteří vědí, že za nespolupráci mohou být penalizováni ji už nevyhodnotí, jako výhodnou a zároveň tak dostanou jakýchsi záruk, že ostatní si další krávu na pastvinu také nepřivedou.&lt;br /&gt;
&lt;br /&gt;
Aktuálním dnes a ještě více zítra, je problém s šetřením pitnou vodou. Jedná se o obdobu Tragédie obecní pastviny. S nastupujícím nedostatkem vyvstává potřeba šetřit. Šetření jednotlivce však nestačí, je nutné, aby se na něm podílelo velké množství lidí. Když ale šetří vodou skoro všichni, jednotlivec, který nešetří, nepředstavuje žádný znatelný rozdíl. Je tedy racionální se ve spotřebě vody i v tomto případě neomezovat. Pokud všichni dojdou k tomuto individuálnímu závěru a nebudou šetřit, vody bude akutní nedostatek, situace mnohem horší, než potřeba uskromnit se ve spotřebě. Obdobně můžeme vysledovat Vězňovo dilema více hráčů v nakládání s dalšími omezenými přírodními zdroji (ať už vyčerpatelnými, či pomalu obnovitelnými), například rybolov v mezinárodních vodách. Nebo i v nakládání s životním prostředím obecně, například znečištění a postoje ke globálnímu oteplování.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Vybrané studie ==&lt;br /&gt;
&lt;br /&gt;
V následující části jsou souhrny tří vybraných studií zabývajících se různými aspekty Vězňova dilematu více hráčů.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== Cognitive load in the multi-player prisoner's dilemma game: Are there brains in games? ===&lt;br /&gt;
&lt;br /&gt;
Studie&amp;lt;ref&amp;gt;Duffy, Sean and Smith, John, Cognitive Load in the Multi-Player Prisoner's Dilemma Game: Are There Brains in Games? [cit. 2017-06-04]. Dostupné z SSRN: https://ssrn.com/abstract=1841523 nebo http://dx.doi.org/10.2139/ssrn.1841523&amp;lt;/ref&amp;gt; předkládá výsledky uskutečněného experimentu, který měl za úkol zjistit vliv kognitivní zátěže na srategické uvažování, výkon a úspěšnost v simulované hře Vězňova dilematu o více hráčích. Účastnilo se ho celkem 48 studentů Rutgers University-Camden seskupených po neměnných čtveřicích, v rámci kterých proti sobě hráli 30 kol Vězňova dilematu. Užitek byl reprezentován ziskem bodů, které se nakonci experimentu převedly na utržené dolary. Dalším motivačním prvkem byl pro účastníky vstupní vklad do hry ve výši pěti dolarů. Studenti se v rámci svojí herní čtveřice neznali a byli po dobu trvání experimentu odděleni. Vězňovo dilema se hrálo pomocí jednoduchého programu na síti počítačů. Přidaná kognitivní zátěž byla realizována v podobě požadavku na zapamatování si přiděleného čísla v každém kole hry. U skupiny účastníků s nízkou zátěží šlo o dvouciferné číslo a u skupiny s vysokou zátěží o sedmiciferné. Studenti měli vždy 15s na zapamatování čísla, které měli na konci herního kola zopakovat. Bodový zisk byl podmíněn správností zopakovaného čísla. S počtem kol a pravidly byli účastníci předem seznámeni. Po třicátém kole každý student vyplnil krátký dotazník, kde pomocí škály vyjadřoval dojmy z experimentu. Výsledky experimentu potvrdili hypotézu, že rozdíl v dostupnosti kognitivních kapacit má vliv na strategické rozhodování. Obě skupiny s přibývajícími koly experimentu prokazovaly snižování ochoty volby strategie spolupracovat. Skupina s nižší přidanou kognitivní zátěží prokazovala více strategické nespolupráce v konečných kolech hry a byla obecně schopná lépe reagovat a upravovat rozhodování v závislosti na předchozích kolech hry. Studie nepotvrdila tendence více spolupracovat u hráčů s vyššími kognitivními schopnostmi, tak jak naznačuje výzkum &amp;lt;ref&amp;gt;Jones, Garett. Are smarter groups more cooperative? Evidence from prisoner's dilemma experiments, 1959–2003. Journal of Economic Behavior &amp;amp; Organization [online]. 2008, 68(3-4), 489-497 [cit. 2017-06-04]. DOI: 10.1016/j.jebo.2008.06.010. ISSN 01672681. Dostupné z: http://linkinghub.elsevier.com/retrieve/pii/S0167268108001315&amp;lt;/ref&amp;gt;, ve kterém skupiny studentů s rostoucím průměrným SAT score vykazují růst v četnostech rozhodnutí kooperovat. Autoři uvažují, že je to dáno rozdílným nastavením experimentu, zejména konečným a předem známým počtem kol.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection ===&lt;br /&gt;
&lt;br /&gt;
Na vytvořeném modelu dvou soupeřících skupin, ve kterých současně probíhá soupeření vnitroskupinové je prezentována přechodná emergence Simpsonova paradoxu. Relativní podíl spolupracujících může jednotlivě v obou skupinách klesat a současně v rámci celé populace agentů růst. Skupiny mají stejný výchozí počet agentů, kteří mezi nimi nemohou přecházet. Jednotlivé agenty mají zjednodušené strategie, buď vždy spolupracují, nebo vždy nespolupracují. Užitková funkce ze spolupráce a nespolupráce je v rámci každé ze skupin v závislosti na podílu spolupracujících vůči celku. Jsou opět v rámci zjednodušení lineární a paralelní. Prvním definujícím parametrem je strmost, čím větší, tím více má skupina větší užitek z každého dalšího spolupracujícího agenta. Druhý parametr určuje nárůst užitku pramenící z nespolupráce (posun funkce nespolupráce po ose užitku y oproti funkci spolupráce). Pro každou jednotku času běhu modelu je navýšen počet spolupracujících agentů v závislosti na užitku spolupracujících vůči podílu spolupracujících ve skupině a obdobně počet nespolupracujících v závislosti na užitku nespolupracujících vůči podílu nespolupracujících ve skupině. Výsledný nový poměr spolupracujících a nespolupracujících ve skupině je přenesen na výchozí počet agentů ve skupině, který tak zůstává neměnný. Studie dokládá emergenci Simpsonova paradoxu a zkoumá, za jakých výchozích podmínek se v modelu přechodně objevuje a jaký má průběh. Výsledky jsou interpretovány ve vztahu ke vzniku a růstu altruistického chování.&amp;lt;ref&amp;gt;Fletcher, Jeffrey and Zwick, Martin. N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection, 2000. [cit. 2017-06-04]. Dostupné z: https://www.pdx.edu/sites/www.pdx.edu.sysc/files/sysc_alife7.pdf&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== An Investigation of N-person Prisoners’ Dilemmas ===&lt;br /&gt;
&lt;br /&gt;
Článek v první části poskytuje úvod do problematiky Vězňova dilematu více hráčů a v části druhé prezentuje jeho vytvořený, agentní, stochastický model. Model je dvoudimenzionální a umožňuje podrobné nastavení řady vstupních parametrů, tak aby jej bylo možné aplikovat na simulace různých reálných situací. Jako příklad uvádím výstup z tisíctého kola hry kde ve výchozím postavení prostřední pole obsazoval lakomý, nespolupracující agent a všechna ostatní pole náležela lakomým spolupracujícím agentům. Hry dilematu probíhali mezi přilehlými sousedy. Užitkové křivky funkcí spolupráce (C(x)=x) a nespolupráce (D(x)=1.65x) jsou zaneseny v grafu. Černá pole značí spolupracující agenty a bílá nespolupracující.&amp;lt;ref&amp;gt; Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; &lt;br /&gt;
[[File:npdspacialexample.png||center]]&lt;br /&gt;
&lt;br /&gt;
== Otázky k procvičení ==&lt;br /&gt;
&lt;br /&gt;
U následujících otázek vyberte vždy pouze jednu správnou odpověď:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Jaká je dominantní strategie racionálního agenta v jednokolové hře vězňova dilematu více hráčů?'''&lt;br /&gt;
&lt;br /&gt;
a) spolupracovat&lt;br /&gt;
&lt;br /&gt;
b) nespolupracovat &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Co je klíčovou charakteristikou Tragédie obecní pastviny (Tragedy of the Commons) a odvozených problémů?'''&lt;br /&gt;
&lt;br /&gt;
a) Řeší optimální rozmístění agentů (v tomto případě krav) v definované lokalitě.&lt;br /&gt;
&lt;br /&gt;
b) Vystupuje v ní sdílený, omezený, vyčerpatelný zdroj. &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) Vůbec by k ní nedošlo, kdyby se účastníci chovali racionálně a správně maximalizovali svůj užitek.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Platí základní charakteristiky Vězňova dilematu pro více hráčů pro původní vězňovo dilema (2 hráči)? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Budou-li všechny ostatní agenty volit strategii spolupráce, vyplatí se poslednímu agentu nespolupracovat? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
{{ambox&lt;br /&gt;
| type      = notice&lt;br /&gt;
| text      = ''Označte text odstavce otázek pro odkrytí správných odpovědí! ''&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Reference ==&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13503</id>
		<title>N-player prisoner's dilemma/cs</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13503"/>
		<updated>2017-06-08T23:27:37Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Úvod ==&lt;br /&gt;
&lt;br /&gt;
Rozšíření [http://www.simulace.info/index.php/Prisoner%27s_dilemma/cs Vězňova dilematu], ikonického problému z [http://www.simulace.info/index.php/Game_theory/cs Teorie her], ze dvou na n-hráčů umožňuje jeho aplikaci pro modelování většího množství reálných situací, kde zpravidla dochází k interakcím více subjektů. Typicky jde o sociální systémy a problematiku kolektivního chování. Do Vězňova dilematu více hráčů se přenáši charakteristiky původního problému:&lt;br /&gt;
&lt;br /&gt;
* Účastníci se nachází v nějaké situaci, kde mají možnost buď spolupracovat, nebo nespolupracovat (zradit ostatní pro zvýšení osobního užitku).&lt;br /&gt;
&lt;br /&gt;
* Nehledě na to, jak se rozhodnou ostatní subjekty, pro užitek každého jednotlivě je nejvýhodnější nespolupracoat a zradit.&lt;br /&gt;
&lt;br /&gt;
* Současně ale platí, že pokud všechny subjekty zvolí možnost nespolupracovat, užitek každého z nich je nižší, než kdyby se všechny subjekty rozhodly spolupracovat.&lt;br /&gt;
&lt;br /&gt;
Dominantnost strategie nespolupráce nad spoluprácí, nehledě na celkový podíl spolupracujících z celku, ukazuje vzájemné postavení křivek funkcí spolupráce a nespolupráce v grafu. Konkrétní podoba křivek funkcí závisí na definici problému.&lt;br /&gt;
[[File:npdgraf.png|350px|center]]&lt;br /&gt;
Podstatou dilematu je tedy, že individuální racionalita vede ke kolektivní iracionalitě. [http://www.simulace.info/index.php/Nash_equilibrium/cs Nashova rovnováha] spočívá v hromadné nespolupráci. G.Hardin Vězňovo dilema pro více hráčů trefně a vtipně charakterizuje jako ''“Matematickou formulaci toho, co je špatně s naší společností”.''&amp;lt;ref name=&amp;quot;G. Hardin&amp;quot;&amp;gt; G. Hardin, “The Tragedy of the Commons,” Science, 162 (1968) 1243– 1248.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Subjekty interagující ve Vězňově dilematu jsou označovány jako [http://www.simulace.info/index.php?title=Agents/cs&amp;amp;action=edit&amp;amp;redlink=1| agenty]  a mohou to být například jednotlivci, skupiny lidí, korporace, nebo počítačové programy.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Definující parametry ==&lt;br /&gt;
&lt;br /&gt;
Kromě užitku ze spolupráce a nespolupráce pro všechny možné poměry spolupracujících a nespolupracujících agentů je možno v rámci definice uvážit řadu dalších určujících faktorů.&lt;br /&gt;
&lt;br /&gt;
Agenty se mohou, ale nemusejí rozhodovat ve stejném čase, za stejných výchozích podmínek a mohou, ale nemusejí mít k dispozici informaci o tom, jak se rozhodují ostatní. Pokud mají možnost a schopnost mezi sebou komunikovat, mohou například tvořit koalice. Dále mohou mít různě definované cíle s kterými do hry Vězňova dilematu vstupují. Prostorové uspořádání může a nemusí hrát roli a může se i měnit. Z uspořádání mohou vycházet omezení, agenty například hrají vězňovo dilema jen v rámci svého přilehlého okolí. Hra může mít pouze [http://www.simulace.info/index.php/One-shot_games/cs jedno kolo], nebo [http://www.simulace.info/index.php/Repeated_games/cs řadu navazujících kol]. U trvání a jeho konečnosti je opět důležité, zda jsou s ním agenty obeznámeny. Pokud mají hry dilematu více kol, agenty mohou rozhodování průběžně korigovat v závislosti na chování ostatních. Jakým způsobem, konceptualizuje Szilagyi&amp;lt;ref&amp;gt;Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; pomocí rozdělení na několik typů “osobností” agentů, které se mohou během hry dilematu i měnit.&lt;br /&gt;
&lt;br /&gt;
* U ''Pavlovovské osobnosti'' se pravděpodobnost spolupráce, ev. nespolupráce mění proporčně ve vztahu k získanému užitku a eventuální penalizaci plynoucím z rozhodnutí. Agenty se tak průběžně “vychovávají” po vzoru behavioralistického cukru a biče. &lt;br /&gt;
&lt;br /&gt;
* ''Stochasticky předvidatelné osobnosti'' se rozhodují stále stejným způsobem, bez ovlivňování z okolí. Například tedy vždy spolupracují, nebo nespolupracují, nebo vždy spolupracují s danou konstantní pravděpodobností. &lt;br /&gt;
&lt;br /&gt;
* ''Konformistická osobnost'' volí rozhodnutí v souladu s většinou okolních agentů. &lt;br /&gt;
&lt;br /&gt;
* ''Lakomá osobnost'' kopíruje rozhodnutí nejůspěšnějšího souseda.&lt;br /&gt;
&lt;br /&gt;
* U ''osobnosti účetní'' pravděpodobnosti rozhodnutí pro spolupráci a nespolupráci vycházejí z průměrných užitků rozhodnutí za předchozí herní kola.&lt;br /&gt;
&lt;br /&gt;
Další typy osobností je možné definovat pomocí abstrahování z reálných vlastností, které chceme v dilematu prozkoumat. Příkladem by třeba mohla být tvrdohlavá osobnost, která mění strategii neochotně, pomaleji, se setrvačností více kol. To ostatně platí i pro další dpoplňující parametry a jejich podrobnější a konkrétnější specifikace.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Příklady ==&lt;br /&gt;
&lt;br /&gt;
Na jakých reálných příkladech a situacích lze Vězňovo dilema více hráčů vysledovat? Dobrým příkladem z historie je zbrojení a nukleární pat během studené války. Všechny zůčastněné strany se v čele s vedoucími mocnostmi USA a Sovětským svazem dostali do situace, kde přestat zbrojit bylo velmi problematické. Po zlepšení vztahů pak bylo nutno uzavřít dohody o jaderném odzbrojování. &lt;br /&gt;
&lt;br /&gt;
Snad nejznámějším příkladem je [http://www.simulace.info/index.php?title=Tragedy_of_the_commons/cs&amp;amp;action=edit&amp;amp;redlink=1 Tragédie obecní pastviny], inspirovaná skutečnými poměry v osmnáctém století v Anglii. Představme si vzorovou situaci, kde šest pastevců sdílí malou kravskou pastvinu. Každý na ní ráno vodí jednu krávu, která se dobře pase a udržuje si váhu 1000 Kg. Každý pastevec má ale možnost přihnat na pastvinu dodatečnou krávu, všechny pasoucí krávy tak mají o něco méně potravy a v důsledku se jim za nějakou dobu sníží váha o 100 Kg. Pastevec, co si přivedl dodatečnou krávu má teď ale dvě krávy s celkovou hmotností 1800 Kg, výrazněže si tedy polepšil. Když to vidí ostatní pastevci, každý si na pastvinu přivede taky dodatečnou krávu. Celkem je pak na pastvině dvanáct krav, každá váží 400 Kg a všichni pastevci mají celkovou hmotnost 800 Kg oproti původním 1000 Kg.&amp;lt;ref&amp;gt;N-Person Prisoner's Dilemma. Stanford.edu [online]. [cit. 2017-06-09]. Dostupné z: https://cs.stanford.edu/people/eroberts/courses/soco/projects/1998-99/game-theory/npd.html&amp;lt;/ref&amp;gt; Jako další krok lze očekávat, že pastevci budou řešit situaci přidáváním dalších kráv, což v konečné fázi povede k tragédii v podobě vyčerpání pastviny a vyhladovění dobytka. Jak situaci řešit a tragédii obecní pastviny předejít? Způsoby, které se dnes běžně uplatňují, to jest postihnutím nespolupráce (přidání další krávy na pastvinu) pomocí restrikcí a nařízení. Pastevci, kteří vědí, že za nespolupráci mohou být penalizováni ji už nevyhodnotí, jako výhodnou a zároveň tak dostanou jakýchsi záruk, že ostatní si další krávu na pastvinu také nepřivedou.&lt;br /&gt;
&lt;br /&gt;
Aktuálním dnes a ještě více zítra, je problém s šetřením pitnou vodou. Jedná se o obdobu Tragédie obecní pastviny. S nastupujícím nedostatkem vyvstává potřeba šetřit. Šetření jednotlivce však nestačí, je nutné, aby se na něm podílelo velké množství lidí. Když ale šetří vodou skoro všichni, jednotlivec, který nešetří, nepředstavuje žádný znatelný rozdíl. Je tedy racionální se ve spotřebě vody i v tomto případě neomezovat. Pokud všichni dojdou k tomuto individuálnímu závěru a nebudou šetřit, vody bude akutní nedostatek, situace mnohem horší, než potřeba uskromnit se ve spotřebě. Obdobně můžeme vysledovat Vězňovo dilema více hráčů v nakládání s dalšími omezenými přírodními zdroji (ať už vyčerpatelnými, či pomalu obnovitelnými), například rybolov v mezinárodních vodách. Nebo i v nakládání s životním prostředím obecně, například znečištění a postoje ke globálnímu oteplování.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Vybrané studie ==&lt;br /&gt;
&lt;br /&gt;
V následující části jsou souhrny tří vybraných studií zabývajících se různými aspekty Vězňova dilematu více hráčů.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== Cognitive load in the multi-player prisoner's dilemma game: Are there brains in games? ===&lt;br /&gt;
&lt;br /&gt;
Studie&amp;lt;ref&amp;gt;Duffy, Sean and Smith, John, Cognitive Load in the Multi-Player Prisoner's Dilemma Game: Are There Brains in Games? [cit. 2017-06-04]. Dostupné z SSRN: https://ssrn.com/abstract=1841523 nebo http://dx.doi.org/10.2139/ssrn.1841523&amp;lt;/ref&amp;gt; předkládá výsledky uskutečněného experimentu, který měl za úkol zjistit vliv kognitivní zátěže na srategické uvažování, výkon a úspěšnost v simulované hře Vězňova dilematu o více hráčích. Účastnilo se ho celkem 48 studentů Rutgers University-Camden seskupených po neměnných čtveřicích, v rámci kterých proti sobě hráli 30 kol Vězňova dilematu. Užitek byl reprezentován ziskem bodů, které se nakonci experimentu převedly na utržené dolary. Dalším motivačním prvkem byl pro účastníky vstupní vklad do hry ve výši pěti dolarů. Studenti se v rámci svojí herní čtveřice neznali a byli po dobu trvání experimentu odděleni. Vězňovo dilema se hrálo pomocí jednoduchého programu na síti počítačů. Přidaná kognitivní zátěž byla realizována v podobě požadavku na zapamatování si přiděleného čísla v každém kole hry. U skupiny účastníků s nízkou zátěží šlo o dvouciferné číslo a u skupiny s vysokou zátěží o sedmiciferné. Studenti měli vždy 15s na zapamatování čísla, které měli na konci herního kola zopakovat. Bodový zisk byl podmíněn správností zopakovaného čísla. S počtem kol a pravidly byli účastníci předem seznámeni. Po třicátém kole každý student vyplnil krátký dotazník, kde pomocí škály vyjadřoval dojmy z experimentu. Výsledky experimentu potvrdili hypotézu, že rozdíl v dostupnosti kognitivních kapacit má vliv na strategické rozhodování. Obě skupiny s přibývajícími koly experimentu prokazovaly snižování ochoty volby strategie spolupracovat. Skupina s nižší přidanou kognitivní zátěží prokazovala více strategické nespolupráce v konečných kolech hry a byla obecně schopná lépe reagovat a upravovat rozhodování v závislosti na předchozích kolech hry. Studie nepotvrdila tendence více spolupracovat u hráčů s vyššími kognitivními schopnostmi, tak jak naznačuje výzkum &amp;lt;ref&amp;gt;Jones, Garett. Are smarter groups more cooperative? Evidence from prisoner's dilemma experiments, 1959–2003. Journal of Economic Behavior &amp;amp; Organization [online]. 2008, 68(3-4), 489-497 [cit. 2017-06-04]. DOI: 10.1016/j.jebo.2008.06.010. ISSN 01672681. Dostupné z: http://linkinghub.elsevier.com/retrieve/pii/S0167268108001315&amp;lt;/ref&amp;gt;, ve kterém skupiny studentů s rostoucím průměrným SAT score vykazují růst v četnostech rozhodnutí kooperovat. Autoři uvažují, že je to dáno rozdílným nastavením experimentu, zejména konečným a předem známým počtem kol.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection ===&lt;br /&gt;
&lt;br /&gt;
Na vytvořeném modelu dvou soupeřících skupin, ve kterých současně probíhá soupeření vnitroskupinové je prezentována přechodná emergence Simpsonova paradoxu. Relativní podíl spolupracujících může jednotlivě v obou skupinách klesat a současně v rámci celé populace agentů růst. Skupiny mají stejný výchozí počet agentů, kteří mezi nimi nemohou přecházet. Jednotlivé agenty mají zjednodušené strategie, buď vždy spolupracují, nebo vždy nespolupracují. Užitková funkce ze spolupráce a nespolupráce je v rámci každé ze skupin v závislosti na podílu spolupracujících vůči celku. Jsou opět v rámci zjednodušení lineární a paralelní. Prvním definujícím parametrem je strmost, čím větší, tím více má skupina větší užitek z každého dalšího spolupracujícího agenta. Druhý parametr určuje nárůst užitku pramenící z nespolupráce (posun funkce nespolupráce po ose užitku y oproti funkci spolupráce). Pro každou jednotku času běhu modelu je navýšen počet spolupracujících agentů v závislosti na užitku spolupracujících vůči podílu spolupracujících ve skupině a obdobně počet nespolupracujících v závislosti na užitku nespolupracujících vůči podílu nespolupracujících ve skupině. Výsledný nový poměr spolupracujících a nespolupracujících ve skupině je přenesen na výchozí počet agentů ve skupině, který tak zůstává neměnný. Studie dokládá emergenci Simpsonova paradoxu a zkoumá, za jakých výchozích podmínek se v modelu přechodně objevuje a jaký má průběh. Výsledky jsou interpretovány ve vztahu ke vzniku a růstu altruistického chování.&amp;lt;ref&amp;gt;Fletcher, Jeffrey and Zwick, Martin. N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection, 2000. [cit. 2017-06-04]. Dostupné z: https://www.pdx.edu/sites/www.pdx.edu.sysc/files/sysc_alife7.pdf&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== An Investigation of N-person Prisoners’ Dilemmas ===&lt;br /&gt;
&lt;br /&gt;
Článek v první části poskytuje úvod do problematiky Vězňova dilematu více hráčů a v části druhé prezentuje jeho vytvořený, agentní, stochastický model. Model je dvoudimenzionální a umožňuje podrobné nastavení řady vstupních parametrů, tak aby jej bylo možné aplikovat na simulace různých reálných situací. Jako příklad uvádím výstup z tisíctého kola hry kde ve výchozím postavení prostřední pole obsazoval lakomý, nespolupracující agent a všechna ostatní pole náležela lakomým spolupracujícím agentům. Hry dilematu probíhali mezi přilehlými sousedy. Užitkové křivky funkcí spolupráce (C(x)=x) a nespolupráce (D(x)=1.65x) jsou zaneseny v grafu. Černá pole značí spolupracující agenty a bílá nespolupracující.&amp;lt;ref&amp;gt; Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; &lt;br /&gt;
[[File:npdspacialexample.png||center]]&lt;br /&gt;
&lt;br /&gt;
== Otázky k procvičení ==&lt;br /&gt;
&lt;br /&gt;
U následujících otázek vyberte vždy pouze jednu správnou odpověď:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Jaká je dominantní strategie racionálního agenta v jednokolové hře vězňova dilematu více hráčů?'''&lt;br /&gt;
&lt;br /&gt;
a) spolupracovat&lt;br /&gt;
&lt;br /&gt;
b) nespolupracovat &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Co je klíčovou charakteristikou Tragédie obecní pastviny (Tragedy of the Commons) a odvozených problémů?'''&lt;br /&gt;
&lt;br /&gt;
a) Řeší optimální rozmístění agentů (v tomto případě krav) v definované lokalitě.&lt;br /&gt;
&lt;br /&gt;
b) Vystupuje v ní sdílený, omezený, vyčerpatelný zdroj. &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) Vůbec by k ní nedošlo, kdyby se účastníci chovali racionálně a správně maximalizovali svůj užitek.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Platí základní charakteristiky Vězňova dilematu pro více hráčů pro původní vězňovo dilema (2 hráči)? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Budou-li všechny ostatní agenty volit strategii spolupráce, vyplatí se poslednímu agentu nespolupracovat? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
{{ambox&lt;br /&gt;
| type      = notice&lt;br /&gt;
| text      = ''Označte text otázek pro odkrytí správných odpovědí! ''&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Reference ==&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13502</id>
		<title>N-player prisoner's dilemma/cs</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=N-player_prisoner%27s_dilemma/cs&amp;diff=13502"/>
		<updated>2017-06-08T23:22:36Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: Created page with &amp;quot;== Úvod ==  Rozšíření [http://www.simulace.info/index.php/Prisoner%27s_dilemma/cs Vězňova dilematu], ikonického problému z [http://www.simulace.info/index.php/Game_th...&amp;quot;&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Úvod ==&lt;br /&gt;
&lt;br /&gt;
Rozšíření [http://www.simulace.info/index.php/Prisoner%27s_dilemma/cs Vězňova dilematu], ikonického problému z [http://www.simulace.info/index.php/Game_theory/cs Teorie her], ze dvou na n-hráčů umožňuje jeho aplikaci pro modelování většího množství reálných situací, kde zpravidla dochází k interakcím více subjektů. Typicky jde o sociální systémy a problematiku kolektivního chování. Do Vězňova dilematu více hráčů se přenáši charakteristiky původního problému:&lt;br /&gt;
&lt;br /&gt;
* Účastníci se nachází v nějaké situaci, kde mají možnost buď spolupracovat, nebo nespolupracovat (zradit ostatní pro zvýšení osobního užitku).&lt;br /&gt;
&lt;br /&gt;
* Nehledě na to, jak se rozhodnou ostatní subjekty, pro užitek každého jednotlivě je nejvýhodnější nespolupracoat a zradit.&lt;br /&gt;
&lt;br /&gt;
* Současně ale platí, že pokud všechny subjekty zvolí možnost nespolupracovat, užitek každého z nich je nižší, než kdyby se všechny subjekty rozhodly spolupracovat.&lt;br /&gt;
&lt;br /&gt;
Dominantnost strategie nespolupráce nad spoluprácí, nehledě na celkový podíl spolupracujících z celku, ukazuje vzájemné postavení křivek funkcí spolupráce a nespolupráce v grafu. Konkrétní podoba křivek funkcí závisí na definici problému.&lt;br /&gt;
[[File:npdgraf.png|350px|center]]&lt;br /&gt;
Podstatou dilematu je tedy, že individuální racionalita vede ke kolektivní iracionalitě. [http://www.simulace.info/index.php/Nash_equilibrium/cs Nashova rovnováha] spočívá v hromadné nespolupráci. G.Hardin Vězňovo dilema pro více hráčů trefně a vtipně charakterizuje jako ''“Matematickou formulaci toho, co je špatně s naší společností”.''&amp;lt;ref name=&amp;quot;G. Hardin&amp;quot;&amp;gt; G. Hardin, “The Tragedy of the Commons,” Science, 162 (1968) 1243– 1248.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Subjekty interagující ve Vězňově dilematu jsou označovány jako [http://www.simulace.info/index.php?title=Agents/cs&amp;amp;action=edit&amp;amp;redlink=1| agenty]  a mohou to být například jednotlivci, skupiny lidí, korporace, nebo počítačové programy.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Definující parametry ==&lt;br /&gt;
&lt;br /&gt;
Kromě užitku ze spolupráce a nespolupráce pro všechny možné poměry spolupracujících a nespolupracujících agentů je možno v rámci definice uvážit řadu dalších určujících faktorů.&lt;br /&gt;
&lt;br /&gt;
Agenty se mohou, ale nemusejí rozhodovat ve stejném čase, za stejných výchozích podmínek a mohou, ale nemusejí mít k dispozici informaci o tom, jak se rozhodují ostatní. Pokud mají možnost a schopnost mezi sebou komunikovat, mohou například tvořit koalice. Dále mohou mít různě definované cíle s kterými do hry Vězňova dilematu vstupují. Prostorové uspořádání může a nemusí hrát roli a může se i měnit. Z uspořádání mohou vycházet omezení, agenty například hrají vězňovo dilema jen v rámci svého přilehlého okolí. Hra může mít pouze [http://www.simulace.info/index.php/One-shot_games/cs jedno kolo], nebo [http://www.simulace.info/index.php/Repeated_games/cs řadu navazujících kol]. U trvání a jeho konečnosti je opět důležité, zda jsou s ním agenty obeznámeny. Pokud mají hry dilematu více kol, agenty mohou rozhodování průběžně korigovat v závislosti na chování ostatních. Jakým způsobem, konceptualizuje Szilagyi&amp;lt;ref&amp;gt;Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; pomocí rozdělení na několik typů “osobností” agentů, které se mohou během hry dilematu i měnit.&lt;br /&gt;
&lt;br /&gt;
* U ''Pavlovovské osobnosti'' se pravděpodobnost spolupráce, ev. nespolupráce mění proporčně ve vztahu k získanému užitku a eventuální penalizaci plynoucím z rozhodnutí. Agenty se tak průběžně “vychovávají” po vzoru behavioralistického cukru a biče. &lt;br /&gt;
&lt;br /&gt;
* ''Stochasticky předvidatelné osobnosti'' se rozhodují stále stejným způsobem, bez ovlivňování z okolí. Například tedy vždy spolupracují, nebo nespolupracují, nebo vždy spolupracují s danou konstantní pravděpodobností. &lt;br /&gt;
&lt;br /&gt;
* ''Konformistická osobnost'' volí rozhodnutí v souladu s většinou okolních agentů. &lt;br /&gt;
&lt;br /&gt;
* ''Lakomá osobnost'' kopíruje rozhodnutí nejůspěšnějšího souseda.&lt;br /&gt;
&lt;br /&gt;
* U ''osobnosti účetní'' pravděpodobnosti rozhodnutí pro spolupráci a nespolupráci vycházejí z průměrných užitků rozhodnutí za předchozí herní kola.&lt;br /&gt;
&lt;br /&gt;
Další typy osobností je možné definovat pomocí abstrahování z reálných vlastností, které chceme v dilematu prozkoumat. Příkladem by třeba mohla být tvrdohlavá osobnost, která mění strategii neochotně, pomaleji, se setrvačností více kol. To ostatně platí i pro další dpoplňující parametry a jejich podrobnější a konkrétnější specifikace.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Příklady ==&lt;br /&gt;
&lt;br /&gt;
Na jakých reálných příkladech a situacích lze Vězňovo dilema více hráčů vysledovat? Dobrým příkladem z historie je zbrojení a nukleární pat během studené války. Všechny zůčastněné strany se v čele s vedoucími mocnostmi USA a Sovětským svazem dostali do situace, kde přestat zbrojit bylo velmi problematické. Po zlepšení vztahů pak bylo nutno uzavřít dohody o jaderném odzbrojování. &lt;br /&gt;
&lt;br /&gt;
Snad nejznámějším příkladem je [http://www.simulace.info/index.php?title=Tragedy_of_the_commons/cs&amp;amp;action=edit&amp;amp;redlink=1 Tragédie obecní pastviny], inspirovaná skutečnými poměry v osmnáctém století v Anglii. Představme si vzorovou situaci, kde šest pastevců sdílí malou kravskou pastvinu. Každý na ní ráno vodí jednu krávu, která se dobře pase a udržuje si váhu 1000 Kg. Každý pastevec má ale možnost přihnat na pastvinu dodatečnou krávu, všechny pasoucí krávy tak mají o něco méně potravy a v důsledku se jim za nějakou dobu sníží váha o 100 Kg. Pastevec, co si přivedl dodatečnou krávu má teď ale dvě krávy s celkovou hmotností 1800 Kg, výrazněže si tedy polepšil. Když to vidí ostatní pastevci, každý si na pastvinu přivede taky dodatečnou krávu. Celkem je pak na pastvině dvanáct krav, každá váží 400 Kg a všichni pastevci mají celkovou hmotnost 800 Kg oproti původním 1000 Kg.&amp;lt;ref&amp;gt;N-Person Prisoner's Dilemma. Stanford.edu [online]. [cit. 2017-06-09]. Dostupné z: https://cs.stanford.edu/people/eroberts/courses/soco/projects/1998-99/game-theory/npd.html&amp;lt;/ref&amp;gt; Jako další krok lze očekávat, že pastevci budou řešit situaci přidáváním dalších kráv, což v konečné fázi povede k tragédii v podobě vyčerpání pastviny a vyhladovění dobytka. Jak situaci řešit a tragédii obecní pastviny předejít? Pomocí způsobů, které se dnes běžně uplatňují, postihnutím nespolupráce (přidání další krávy na pastvinu) pomocí restrikcí a nařízení. Pastevci, kteří vědí, že za nespolupráci můžou být penalizováni ji už nevyhodnotí, jako výhodnou a zároveň tak dostanou jakýchsi záruk, že ostatní si další krávu na pastvinu také nepřivedou.&lt;br /&gt;
&lt;br /&gt;
Aktuálním dnes a ještě více zítra, je problém s šetřením pitnou vodou. Jedná se o obdobu Tragédie obecní pastviny. S nastupujícím nedostatkem vyvstává potřeba šetřit. Šetření jednotlivce však nestačí, je nutné, aby se na něm podílelo velké množství lidí. Když ale šetří vodou skoro všichni, jednotlivec, který nešetří, nepředstavuje žádný znatelný rozdíl. Je tedy racionální se ve spotřebě vody i v tomto případě neomezovat. Pokud všichni dojdou k tomuto individuálnímu závěru a nebudou šetřit, vody bude akutní nedostatek, situace mnohem horší, než potřeba uskromnit se ve spotřebě. Obdobně můžeme vysledovat Vězňovo dilema více hráčů v nakládání s dalšími omezenými přírodními zdroji (ať už vyčerpatelnými, či pomalu obnovitelnými), například rybolov v mezinárodních vodách. Nebo i v nakládání s životním prostředím obecně, například znečištění a postoje ke globálnímu oteplování.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Vybrané studie ==&lt;br /&gt;
&lt;br /&gt;
V následující části jsou souhrny tří vybraných studií zabývajících se různými aspekty Vězňova dilematu více hráčů.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== Cognitive load in the multi-player prisoner's dilemma game: Are there brains in games? ===&lt;br /&gt;
&lt;br /&gt;
Studie&amp;lt;ref&amp;gt;Duffy, Sean and Smith, John, Cognitive Load in the Multi-Player Prisoner's Dilemma Game: Are There Brains in Games? [cit. 2017-06-04]. Dostupné z SSRN: https://ssrn.com/abstract=1841523 nebo http://dx.doi.org/10.2139/ssrn.1841523&amp;lt;/ref&amp;gt; předkládá výsledky uskutečněného experimentu, který měl za úkol zjistit vliv kognitivní zátěže na srategické uvažování, výkon a úspěšnost v simulované hře Vězňova dilematu o více hráčích. Účastnilo se ho celkem 48 studentů Rutgers University-Camden seskupených po neměnných čtveřicích, v rámci kterých proti sobě hráli 30 kol Vězňova dilematu. Užitek byl reprezentován ziskem bodů, které se nakonci experimentu převedly na utržené dolary. Dalším motivačním prvkem byl pro účastníky vstupní vklad do hry ve výši pěti dolarů. Studenti se v rámci svojí herní čtveřice neznali a byli po dobu trvání experimentu odděleni. Vězňovo dilema se hrálo pomocí jednoduchého programu na síti počítačů. Přidaná kognitivní zátěž byla realizována v podobě požadavku na zapamatování si přiděleného čísla v každém kole hry. U skupiny účastníků s nízkou zátěží šlo o dvouciferné číslo a u skupiny s vysokou zátěží o sedmiciferné. Studenti měli vždy 15s na zapamatování čísla, které měli na konci herního kola zopakovat. Bodový zisk byl podmíněn správností zopakovaného čísla. S počtem kol a pravidly byli účastníci předem seznámeni. Po třicátém kole každý student vyplnil krátký dotazník, kde pomocí škály vyjadřoval dojmy z experimentu. Výsledky experimentu potvrdili hypotézu, že rozdíl v dostupnosti kognitivních kapacit má vliv na strategické rozhodování. Obě skupiny s přibývajícími koly experimentu prokazovaly snižování ochoty volby strategie spolupracovat. Skupina s nižší přidanou kognitivní zátěží prokazovala více strategické nespolupráce v konečných kolech hry a byla obecně schopná lépe reagovat a upravovat rozhodování v závislosti na předchozích kolech hry. Studie nepotvrdila tendence více spolupracovat u hráčů s vyššími kognitivními schopnostmi, tak jak naznačuje výzkum &amp;lt;ref&amp;gt;Jones, Garett. Are smarter groups more cooperative? Evidence from prisoner's dilemma experiments, 1959–2003. Journal of Economic Behavior &amp;amp; Organization [online]. 2008, 68(3-4), 489-497 [cit. 2017-06-04]. DOI: 10.1016/j.jebo.2008.06.010. ISSN 01672681. Dostupné z: http://linkinghub.elsevier.com/retrieve/pii/S0167268108001315&amp;lt;/ref&amp;gt;, ve kterém skupiny studentů s rostoucím průměrným SAT score vykazují růst v četnostech rozhodnutí kooperovat. Autoři uvažují, že je to dáno rozdílným nastavením experimentu, zejména konečným a předem známým počtem kol.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection ===&lt;br /&gt;
&lt;br /&gt;
Na vytvořeném modelu dvou soupeřících skupin, ve kterých současně probíhá soupeření vnitroskupinové je prezentována přechodná emergence Simpsonova paradoxu. Relativní podíl spolupracujících může jednotlivě v obou skupinách klesat a současně v rámci celé populace agentů růst. Skupiny mají stejný výchozí počet agentů, kteří mezi nimi nemohou přecházet. Jednotlivé agenty mají zjednodušené strategie, buď vždy spolupracují, nebo vždy nespolupracují. Užitková funkce ze spolupráce a nespolupráce je v rámci každé ze skupin v závislosti na podílu spolupracujících vůči celku. Jsou opět v rámci zjednodušení lineární a paralelní. Prvním definujícím parametrem je strmost, čím větší, tím více má skupina větší užitek z každého dalšího spolupracujícího agenta. Druhý parametr určuje nárůst užitku pramenící z nespolupráce (posun funkce nespolupráce po ose užitku y oproti funkci spolupráce). Pro každou jednotku času běhu modelu je navýšen počet spolupracujících agentů v závislosti na užitku spolupracujících vůči podílu spolupracujících ve skupině a obdobně počet nespolupracujících v závislosti na užitku nespolupracujících vůči podílu nespolupracujících ve skupině. Výsledný nový poměr spolupracujících a nespolupracujících ve skupině je přenesen na výchozí počet agentů ve skupině, který tak zůstává neměnný. Studie dokládá emergenci Simpsonova paradoxu a zkoumá, za jakých výchozích podmínek se v modelu přechodně objevuje a jaký má průběh. Výsledky jsou interpretovány ve vztahu ke vzniku a růstu altruistického chování.&amp;lt;ref&amp;gt;Fletcher, Jeffrey and Zwick, Martin. N-Player Prisoner’s Dilemma in Multiple Groups: A Model of Multilevel Selection, 2000. [cit. 2017-06-04]. Dostupné z: https://www.pdx.edu/sites/www.pdx.edu.sysc/files/sysc_alife7.pdf&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== An Investigation of N-person Prisoners’ Dilemmas ===&lt;br /&gt;
&lt;br /&gt;
Článek v první části poskytuje úvod do problematiky Vězňova dilematu více hráčů a v části druhé prezentuje jeho vytvořený, agentní, stochastický model. Model je dvoudimenzionální a umožňuje podrobné nastavení řady vstupních parametrů, tak aby jej bylo možné aplikovat na simulace různých reálných situací. Jako příklad uvádím výstup z tisíctého kola hry kde ve výchozím postavení prostřední pole obsazoval lakomý, nespolupracující agent a všechna ostatní pole náležela lakomým spolupracujícím agentům. Hry dilematu probíhali mezi přilehlými sousedy. Užitkové křivky funkcí spolupráce (C(x)=x) a nespolupráce (D(x)=1.65x) jsou zaneseny v grafu. Černá pole značí spolupracující agenty a bílá nespolupracující.&amp;lt;ref&amp;gt; Szilagyi, Miklos N. &amp;quot;An investigation of N-Person prisoners' dilemmas.&amp;quot; Complex Systems 14.2 (2003): 155-174.&amp;lt;/ref&amp;gt; &lt;br /&gt;
[[File:npdspacialexample.png||center]]&lt;br /&gt;
&lt;br /&gt;
== Otázky k procvičení ==&lt;br /&gt;
&lt;br /&gt;
U následujících otázek vyberte vždy pouze jednu správnou odpověď:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Jaká je dominantní strategie racionálního agenta v jednokolové hře vězňova dilematu více hráčů?'''&lt;br /&gt;
&lt;br /&gt;
a) spolupracovat&lt;br /&gt;
&lt;br /&gt;
b) nespolupracovat &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Co je klíčovou charakteristikou Tragédie obecní pastviny (Tragedy of the Commons) a odvozených problémů?'''&lt;br /&gt;
&lt;br /&gt;
a) Řeší optimální rozmístění agentů (v tomto případě krav) v definované lokalitě.&lt;br /&gt;
&lt;br /&gt;
b) Vystupuje v ní sdílený, omezený, vyčerpatelný zdroj. &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
c) Vůbec by k ní nedošlo, kdyby se účastníci chovali racionálně a správně maximalizovali svůj užitek.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Platí základní charakteristiky Vězňova dilematu pro více hráčů pro původní vězňovo dilema (2 hráči)? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
'''Budou-li všechny ostatní agenty volit strategii spolupráce, vyplatí se poslednímu agentu nespolupracovat? '''&lt;br /&gt;
&lt;br /&gt;
a) ano &amp;lt;span style=&amp;quot;color: white&amp;quot;&amp;gt;SPRÁVNĚ&amp;lt;/span&amp;gt;&lt;br /&gt;
&lt;br /&gt;
b) ne&lt;br /&gt;
&lt;br /&gt;
c) nelze určit&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
{{ambox&lt;br /&gt;
| type      = notice&lt;br /&gt;
| text      = ''Označte text otázek pro odkrytí správných odpovědí! ''&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Reference ==&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=File:Npdspacialexample.png&amp;diff=13501</id>
		<title>File:Npdspacialexample.png</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=File:Npdspacialexample.png&amp;diff=13501"/>
		<updated>2017-06-08T20:55:52Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=File:Npdgraf.png&amp;diff=13500</id>
		<title>File:Npdgraf.png</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=File:Npdgraf.png&amp;diff=13500"/>
		<updated>2017-06-08T20:14:43Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Assignment_SS_2016/2017/cs&amp;diff=13084</id>
		<title>Assignment SS 2016/2017/cs</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Assignment_SS_2016/2017/cs&amp;diff=13084"/>
		<updated>2017-05-19T14:21:43Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: /* Louže prvoků */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{DISPLAYTITLE:Zadání LS 2016/2017}}&lt;br /&gt;
&lt;br /&gt;
{{Ambox&lt;br /&gt;
| text  = &amp;lt;div&amp;gt;&lt;br /&gt;
Na tuto stránku vkládejte svá zadání. Nezapomeňte se podepsat. Můžete použít &amp;lt;nowiki&amp;gt;~~~~&amp;lt;/nowiki&amp;gt; (čtyři tildy) k automatickému podpisu. Používejte Ukázat náhled, abyste si prohlédli Váš výsledek před konečným odesláním.&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
{{Ambox&lt;br /&gt;
| text  = &amp;lt;div&amp;gt;&lt;br /&gt;
Prosíme, snažte se formulovat Vaše zadání pečlive. S ohledem na to, že jde o Vaši semestrální práci, očekáváme adekvátní úsilí vynaložené na zadání. Nezapomeňte, že hlavním výsledkem má být výzkumná zpráva, což znamená, že Váš simulační model musí generovat takové výsledky, které jsou konkrétní, měřitelné a ověřitelné. Pečlivě promyslete, jakým způsobem budete vyvíjet Váš model, odvoďte entity, které budete používat, nakreslete si diagram modelu, zvažte, co budete měřit. Teprve pokud máte o modelu dostatečně přesnou představu, vložte Vaše zadání. A samozřejmě, nezapomeňte si prosím přečíst [[How to deal with the simulation assignment/cs|Jak na simulace]].&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
{{Ambox&lt;br /&gt;
| type  = content&lt;br /&gt;
| text  = &amp;lt;div&amp;gt;&lt;br /&gt;
Abychom se vyhnuli případnému budoucímu nedorozumnění, prosíme, ověřte si, že máte tučné '''schváleno''' někde v našem komentáři pod Vaším zadání. Pokud tam není '''schváleno''', znamená to, že Vaše zadání dosud schváleno nebylo.&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
= Zadání =&lt;br /&gt;
&lt;br /&gt;
== Epidemie Eboly ==&lt;br /&gt;
&lt;br /&gt;
V afrických zemích propukla epidemie Eboly. Počet subjektů bude 1000. &lt;br /&gt;
Lékaři vyvinuli experimentální lék, který by mohl fungovat a vydávají se s ním od Afriky. Skupina mediků obsahuje 5 lidí v ochranných oblecích, takže riziko nákazy u nich je minimální. &lt;br /&gt;
Mezitím se nemoc šíří. Její inkubační doba je 7-10dní, přenáší se tělními tekutinami (slzy, kýchání...) nebo při kontaktu s krví (rozškrábaný strup, pořezání...). Úmrtnost je od 60 do 100%. &lt;br /&gt;
Smrt nebo uzdravení, které závisí na fyzické kondici jedince (děti a senioři jsou nejvíce ohrožení), nastává v rozmezí 6-10 dnů. &lt;br /&gt;
Dříve, než se Ebola potvrdí, je nakažený testován na malárii či choleru. Takže než proběhnou testy, může být na podání možné protiláky pozdě.&lt;br /&gt;
Cílem je zjistit výši úmrtnosti, pokud se nakaženým stihne podat experimentální protilátka. &lt;br /&gt;
Simulace v NetLogo.&lt;br /&gt;
&lt;br /&gt;
--[[User:Hanka|Hanka]] ([[User talk:Hanka|talk]]) 07:39, 12 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
: Zajímavé, ale k ničemu. Použijte skutečnou nemoc, prostudujte prameny, reálné pravděpodobnosti šíření, atd. a zkuste úlohu předefinovat. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 07:17, 18 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
Předefinováno a upraveno. --[[User:Hanka|Hanka]] ([[User talk:Hanka|talk]]) 10:17, 18 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
==Šíření epidemie SARS==&lt;br /&gt;
Tématem simulace je šíření virového onemocnění SARS ve městě.&lt;br /&gt;
 &lt;br /&gt;
SARS se přenáší kapénkovou cestou (podobně jako chřipka). Inkubační doba nemoci se pohybuje v rozmezí 2 až 10 dní. V inkubační době nemoc není nakažlivá. Nakažlivou se stává až při projevu jejích symptomů, jako je vysoká horečka, bolest hlavy, suchý kašel atd. SARS má úmrtnost 9,6 %. Proti SARS v současnosti neexistuje lék. Léčí se pouze symptomy. Nakažení lidé musí být umístěni do karantény, aby se zamezilo dalšímu šíření nemoci.&lt;br /&gt;
&lt;br /&gt;
Lidé budou mít tři stavy: zdraví, nakažení a v inkubační době. Zdravý člověk může být při kontaktu s nakaženým člověkem infikován virem SARS. Nakažlivost viru se bude dát nastavit v rozmezí od 20 % do 1 %. Člověk v inkubační době neví, že je nakažen, ale také nemůžeme nakazit ostatní. Po uplynutí inkubační doby (2 až 10 dnů) se projeví symptomy nemoci a člověk vyhledá lékařskou pomoc (půjde do nemocnice). Při cestě do nemocnice může nakazit ostatní lidi. Šance infikovaných na přežití je 90,4 %. Zdraví lidé se budou nemocnici vyhýbat. &lt;br /&gt;
&lt;br /&gt;
Po příchodu prvního nakaženého do nemocnice se sníží pravděpodobnost nakažení virem na polovinu, protože se lidé dozvědí o výskytu SARS ve městě a začnou dodržovat preventivní opatření, aby se nenakazili.&lt;br /&gt;
&lt;br /&gt;
V simulaci půjde nastavit nakažlivost viru, počet nemocnic, celkový počet lidí a počáteční počet nakažených lidí. Budou sledovány počty zdravých lidí, infikovaných lidí a lidí v inkubační době. V simulaci budou zobrazeny nemocnice a lidé, kteří budou barevně odlišení podle jejich stavu (zdravý, nakažený, v inkubační době).&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je ověřit, jak se bude SARS šířit v závislosti na počtu počátečních pacientů, počtu lidí, počtu nemocnic ve městě a nakažlivosti viru.&lt;br /&gt;
&lt;br /&gt;
Simulace bude řešena v Netlogo.&lt;br /&gt;
 &lt;br /&gt;
[[User:Xkrep35|Xkrep35]] ([[User talk:Xkrep35|talk]]) 07:48, 12 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
: Zajímavé, ale k ničemu. Použijte skutečnou nemoc, prostudujte prameny, reálné pravděpodobnosti šíření, atd. a zkuste úlohu předefinovat. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 07:18, 18 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
: Použita skutečná nemoc. Úloha předefinována.  [[User:Xkrep35|Xkrep35]] ([[User talk:Xkrep35|talk]]) 11:48, 19 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
== Využitelnost nočního parkoviště ve městě ==&lt;br /&gt;
Simulace zkoumá noční využitelnost parkovišť v závislosti na jejich cenách. Pro zjednodušení přijíždí všechna auta parkovat ve stejný čas (např. v 9 večer) a zůstávají na parkovišti přes noc. V této městské části Prahy bydlí studenti, důchodci, zaměstnaní a nezaměstnaní, jež jsou ochotni platit za parkovací místa odlišné ceny. Ceny jednotlivých míst se liší podle toho, zda se místa nacházejí přímo u bytů na sídlišti či v okrajových částech. Platba za parkování se platí na každý večer zvlášť (parkovací karty tato simulace nezohledňuje).&lt;br /&gt;
&lt;br /&gt;
	Uživatelé automobilů se v této lokalitě nachází v poměru 50% zaměstnaných, 7% nezaměstnaných (včetně matek na mateřské), 30% důchodců a 13% studentů. Cena jednotlivých parkovacích míst je předmětem simulace, nicméně aby pražská část neztrácela, minimální hranice nejlevnější části je 30Kč za večer (pod tuto částku nemůže cena za parkování nikdy klesnout). Zaměstnaní jsou ochotni zaplatit maximálně 80 Kč, nezaměstnaní 55 Kč, důchodci 50 Kč a studenti 60 Kč za jeden večer. Městská část je rozdělena do čtyř parkovacích zón, přičemž v nynější době stojí noční parkování v první zóně 75Kč, ve druhé 60Kč, ve třetí 50 Kč, a ve čtvrté 40 Kč. &lt;br /&gt;
&lt;br /&gt;
Simulace zkoumá, zda je v této městské části dostatek cenově dostupných parkovacích míst – zda by neměli dostupnost parkování upravit pomocí přenastavení cen. Pokud nějaké auto nenajde vhodné místo pro parkování, tuto oblast opustí. &lt;br /&gt;
&lt;br /&gt;
Prostředí: NetLogo 6.0.1.&lt;br /&gt;
&lt;br /&gt;
--[[User:Xvamm01|Xvamm01]] ([[User talk:Xvamm01|talk]]) 07:56, 12 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
: Tohle je dobré téma, ale nerozumím, odkud berete ty maximální ceny za parkování. A ta proporce jednotlivých segmentů je odkud? Zdroj? [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 07:21, 18 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
K procentuální struktuře obyvatelstva jsem použila Sociálně demografickou analýzu městské části Prahy 10 a údaje od Českého statistického úřadu. Pro výši cen, kterou jsou jednotlivé skupiny ochotny zaplatit za parkování jsem provedla průzkum, kdy jsem z každé skupiny oslovila 6-10 lidí a zeptala se jich na názor. Uvedené ceny jsou průměrem sebraných dat. Ceny jednotlivých zón mi zodpověděli na Městském úřadě Prahy 10, přičemž minimální hranice 30,- za noc se prý má brát hodně s rezervou (tato cena je skutečně pouze orientační a v praxi by to moc nefungovalo), nicméně si myslím, že pro účely této simulace, je taková informace adekvátní. &lt;br /&gt;
&lt;br /&gt;
--[[User:Monika|Monika]] ([[User talk:Monika|talk]]) 10:00, 18 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
==Zombie apokalypsa==&lt;br /&gt;
Simulace se bude odehrávat na začátku a v průběhu post apokalyptické budoucnosti, kde se objeví první zombie a začne simulaci šíření . &lt;br /&gt;
Simulace se zaměří na obě strany a to jak lidi, kteří budou mít možnost přežití založenou na jídle, zbraních, oblečení a lécích. Navíc každé úmrtí bude mít ke zrodu nového zombie. Lidé podléhají normálnímu životnímu cyklu, narození a přirozené úmrtí.&lt;br /&gt;
Na druhé straně zombie potřebují k přežití lidi jako potravu a pokud bude nedostatek lidí, začnou vymírat.  Zombie, v případě zničení lidstva, vyhynou. &lt;br /&gt;
Počáteční proměnné pro nastavení:&lt;br /&gt;
Počet lidí, množství volně dostupných zásob (jídlo, léky,…)&lt;br /&gt;
Simulace bude řešena v programu VENSIM a cílem bude simulovat reálné přežití lidí. Pro zjištění šance přežití budou vybudované soběstačná, bezpečná místa, bunkry (počet nastavitelný) se zásoby (množství nastavitelné). Simulace by sloužila pro armádu/y, v případě nastání této hypotetické situace.  &lt;br /&gt;
&lt;br /&gt;
--[[User:Xkutv05|Xkutv05]] ([[User talk:Xkutv05|talk]]) 10:15, 15 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
* V případě systémové dynamiky jde hlavně o hledání zákonitostí a správného nastavení parametrů, tak aby uživatel simulace věděl, co má pak v praxi udělat, aby dosáhnul svého cíle - tedy kdo by byl uživatelem takovéto simulace (hypoteticky) a v čem by mu pomáhala? [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 22:22, 13 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
* Upravené, s detailnějším popisem.  [[User:Xkutv05|Xkutv05]] ([[User talk:Xkutv05|talk]]) 10:16, 15 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
* OK. '''Schváleno'''. Pozor pak na kvantifikaci vztahů, ať je to realistické/ smysluplné, tam kde to jde. [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 21:30, 16 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
== Akustika místnosti ==&lt;br /&gt;
&lt;br /&gt;
===Co budu simulovat?===&lt;br /&gt;
Simulovat budu akustické chování místnosti. Konkrétně bych rád nasimuloval místnost, ve které se bude nacházet několik frekvenčně a intenzivně rozdílných zvukových zdrojů. &lt;br /&gt;
Tyto zdroje budou moci být uspořádány po místnosti a jednotlivé zvuky, které tyto zdroje budou vydávat, budou namodelovány jako vzdalující se kružnice s různými barvami, v zavilosti na intenzitě těchto zvuků.&lt;br /&gt;
Do místnosti pak v simulaci bude možno přidávat či odebírat akustická ošetření a pozorovat tak, jaký má vliv toto akustické upravení místnosti na pohyb zvuků.&lt;br /&gt;
&lt;br /&gt;
===Cíle simulace===&lt;br /&gt;
Cílem simulace je zjistit, jaký vliv má akustické ošetření na chování zvuků a celkovou akustiku v místnosti.&lt;br /&gt;
===Prostředí, ve kterém budu simulaci realizovat===&lt;br /&gt;
NetLogo&lt;br /&gt;
&lt;br /&gt;
--[[User:Xdosj28|Xdosj28]] 15:20, 12 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
: '''Schváleno.''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 07:23, 18 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
== Divadelní spolek ==&lt;br /&gt;
&lt;br /&gt;
Simulace má představovat chod divadelního spolku, který vedu. Hlavním cílem simulace je zjistit, co vše ovlivňuje potenciální návštěvníky při výběru divadelní hry a divadla, které se chystají navštívit. Ráda bych zachytila veškeré požadavky, které rozhodnutí diváka ovlivňují, co upřednostňují, co na ně působí apod. Dále bych chtěla zjistit, jak těmito požadavky ovlivňují celý chod divadelního spolku, divadla a jak zlepšením těchto požadavků a zároveň zlepšením atraktivity celého spolku a divadla docílit většího počtu diváků, vyšších příjmů a nižších nákladů. Simulace bude řešena v programu VENSIM.&lt;br /&gt;
&lt;br /&gt;
--[[User:xvana12|xvana12]] 11:13, 16 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
* OK. '''Schváleno'''. Pozor pak na kvantifikaci vztahů - je to třeba odvodit na základě nějakých dat ať je simulace realistická/ smysluplná.&lt;br /&gt;
&lt;br /&gt;
* Pracuji na dotazníku, ze kterého chci posbírat data, která by mi ukázala preference diváků, co přispívá k atraktivitě divadelního spolku a tudíž jeho následného výběru diváky. [[User:xvana12|xvana12]] 15:15, 19 May 2017&lt;br /&gt;
&lt;br /&gt;
==Louže prvoků==&lt;br /&gt;
&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky.&lt;br /&gt;
Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (~síla), senzorický dosah,… Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti, je pomalejší,…). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
Simulaci budu realizovat v prostředí NetLogo.&lt;br /&gt;
&lt;br /&gt;
[[User:FrantišekN|FrantišekN]] ([[User talk:FrantišekN|talk]]) 16:50, 16 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
* Téma se mi libí, jen potřebuju vědět, jak uvedete parametry do souladu s realitou. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 07:25, 18 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
* '''Doplnění zadání:''' Konkrétně se budu zabývat taxonomickými skupinami prvoků žijícími v kalných stojatých vodách: Měňavka (Amoeba), Trepka (Paramecium) a Vpíjenka (Didinium). Mezi těmito lze pozorovat zmiňované interakce a charakterizovat jejich odlišnosti pomocí škály zmiňovaných vlastností. Měňavka je pomalá a fagocituje Trepky a Vpíjenky, Vpíjenka je rychlá a může konzumovat Trepku, Trepka má tělo opatřeno brvami, které ji kromě pohybu zajišťují ve srovnání lepší vnímání okolního prostředí. Na základě těchto reálných charakteristik budu určovat počáteční vlastnosti, které budou v průběhu simulace upravovány v důsledku růstu plynoucímu z konzumace konkurentů (např. větší, při střetu konzumuje menší, ale je pomalejší). [[User:FrantišekN|FrantišekN]] ([[User talk:FrantišekN|talk]]) 16:06, 19 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
==Aquapark==&lt;br /&gt;
&lt;br /&gt;
Předmětem simulace je zachycení provozu Aquapalace Praha a všech doprovodných služeb včetně připojeného hotelu. Hlavním cílem je zachycení všech důležitých vztahů, které mohou ovlivňovat budoucí chod aquaparku a hotelu - toho lze využít např. při rozhodování o rozšíření prostor, rozsahu nabízených služeb, nastavení cen atd. Simulace by umožňovala zadání výchozích hodnot a následné sledování všech ovlivňovaných entit jako např. Počet zákazníků, Zisk, Vytížení atd.&lt;br /&gt;
Zdrojem dat pro simulaci je veřejná výroční zpráva aquaparku a hotelu Aquapalace Praha z roku 2016.&lt;br /&gt;
Simulace bude realizována v prostředí Vensim.&lt;br /&gt;
&lt;br /&gt;
[[User:Xskom38|Xskom38]] ([[User talk:Xskom38|talk]]) 12:18, 17 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
* OK. '''Schváleno'''. Pozor na kvantifikaci vztahů, ať je to realistické/ smysluplné. [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 20:42, 17 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
==Kinosál==&lt;br /&gt;
===Téma===&lt;br /&gt;
Práce se zabývá předmětem simulace navštěvovanosti kinosálu v konkrétním městě při promítání konkrtétních filmů. Konkrétně je simulace zaměřena na období od dokončení přípravy kinosálu k promítání po příchod všech diváků před / během promítání filmu. Prostředí simulovaného modelu se odehrává v konkrétním městě o stabilním počtu obyvatel, na sadě konkrétních filmů, které se promítají za konkrétní minimální ceny vstupenek, napříč žánry, popularitou a čekáváním, jenž je k dispozici na serverech ČSFD.cz a IMDB.com. Takový model disponuje volně nastavitelnými atributy jako jsou počet židlí v kinosálu, počet a umístění dveří v kinosálu a počet uliček mezi židlemi. Model podléhá přirozeným omezením agentů jako je např. jejich pohyb pouze po volné ploše a omezení pohybu diváků v řadě židlí. Díky takovéto optimalizaci je možné např. maximalizovat počet lidí, kteří mohou díky optimalizované orientaci mobiliáře shlédnout co největší množství reklam před spuštění filmu.&lt;br /&gt;
Veškerá relevantní data pro simulaci budou obstarána ze zdrojů ČSFD a IMDB a z příslušných dat poskytnutých kinem Milevsko.&lt;br /&gt;
Počet komponent je omezen velikostí sálu.&lt;br /&gt;
Model je dále využitelný pro jiné vznikající kinosály dle dosazení příslušných konstant.&lt;br /&gt;
===Cíl===&lt;br /&gt;
Cílem této práce je doporučit optimalizované rozložení (množství a umístění) komponent kinosálu na základě simulovaného chování veřejnosti v konkrétní lokalitě při návštěvě promítání filmů napříč žánry, popularitou a očekáváním.&lt;br /&gt;
===Prostředí===&lt;br /&gt;
Realizace a analýza simulace bude provedena v prostředí NetLogo.&lt;br /&gt;
&lt;br /&gt;
[[User:Xburj18|Xburj18]] ([[User talk:Xburj18|talk]]) 16:16, 19 May 2017 (CEST)&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
	<entry>
		<id>http://www.simulace.info/index.php?title=Assignment_SS_2016/2017/cs&amp;diff=13083</id>
		<title>Assignment SS 2016/2017/cs</title>
		<link rel="alternate" type="text/html" href="http://www.simulace.info/index.php?title=Assignment_SS_2016/2017/cs&amp;diff=13083"/>
		<updated>2017-05-19T14:21:07Z</updated>

		<summary type="html">&lt;p&gt;FrantišekN: /* Louže prvoků */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{DISPLAYTITLE:Zadání LS 2016/2017}}&lt;br /&gt;
&lt;br /&gt;
{{Ambox&lt;br /&gt;
| text  = &amp;lt;div&amp;gt;&lt;br /&gt;
Na tuto stránku vkládejte svá zadání. Nezapomeňte se podepsat. Můžete použít &amp;lt;nowiki&amp;gt;~~~~&amp;lt;/nowiki&amp;gt; (čtyři tildy) k automatickému podpisu. Používejte Ukázat náhled, abyste si prohlédli Váš výsledek před konečným odesláním.&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
{{Ambox&lt;br /&gt;
| text  = &amp;lt;div&amp;gt;&lt;br /&gt;
Prosíme, snažte se formulovat Vaše zadání pečlive. S ohledem na to, že jde o Vaši semestrální práci, očekáváme adekvátní úsilí vynaložené na zadání. Nezapomeňte, že hlavním výsledkem má být výzkumná zpráva, což znamená, že Váš simulační model musí generovat takové výsledky, které jsou konkrétní, měřitelné a ověřitelné. Pečlivě promyslete, jakým způsobem budete vyvíjet Váš model, odvoďte entity, které budete používat, nakreslete si diagram modelu, zvažte, co budete měřit. Teprve pokud máte o modelu dostatečně přesnou představu, vložte Vaše zadání. A samozřejmě, nezapomeňte si prosím přečíst [[How to deal with the simulation assignment/cs|Jak na simulace]].&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
{{Ambox&lt;br /&gt;
| type  = content&lt;br /&gt;
| text  = &amp;lt;div&amp;gt;&lt;br /&gt;
Abychom se vyhnuli případnému budoucímu nedorozumnění, prosíme, ověřte si, že máte tučné '''schváleno''' někde v našem komentáři pod Vaším zadání. Pokud tam není '''schváleno''', znamená to, že Vaše zadání dosud schváleno nebylo.&lt;br /&gt;
&amp;lt;/div&amp;gt;&lt;br /&gt;
}}&lt;br /&gt;
&lt;br /&gt;
= Zadání =&lt;br /&gt;
&lt;br /&gt;
== Epidemie Eboly ==&lt;br /&gt;
&lt;br /&gt;
V afrických zemích propukla epidemie Eboly. Počet subjektů bude 1000. &lt;br /&gt;
Lékaři vyvinuli experimentální lék, který by mohl fungovat a vydávají se s ním od Afriky. Skupina mediků obsahuje 5 lidí v ochranných oblecích, takže riziko nákazy u nich je minimální. &lt;br /&gt;
Mezitím se nemoc šíří. Její inkubační doba je 7-10dní, přenáší se tělními tekutinami (slzy, kýchání...) nebo při kontaktu s krví (rozškrábaný strup, pořezání...). Úmrtnost je od 60 do 100%. &lt;br /&gt;
Smrt nebo uzdravení, které závisí na fyzické kondici jedince (děti a senioři jsou nejvíce ohrožení), nastává v rozmezí 6-10 dnů. &lt;br /&gt;
Dříve, než se Ebola potvrdí, je nakažený testován na malárii či choleru. Takže než proběhnou testy, může být na podání možné protiláky pozdě.&lt;br /&gt;
Cílem je zjistit výši úmrtnosti, pokud se nakaženým stihne podat experimentální protilátka. &lt;br /&gt;
Simulace v NetLogo.&lt;br /&gt;
&lt;br /&gt;
--[[User:Hanka|Hanka]] ([[User talk:Hanka|talk]]) 07:39, 12 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
: Zajímavé, ale k ničemu. Použijte skutečnou nemoc, prostudujte prameny, reálné pravděpodobnosti šíření, atd. a zkuste úlohu předefinovat. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 07:17, 18 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
Předefinováno a upraveno. --[[User:Hanka|Hanka]] ([[User talk:Hanka|talk]]) 10:17, 18 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
==Šíření epidemie SARS==&lt;br /&gt;
Tématem simulace je šíření virového onemocnění SARS ve městě.&lt;br /&gt;
 &lt;br /&gt;
SARS se přenáší kapénkovou cestou (podobně jako chřipka). Inkubační doba nemoci se pohybuje v rozmezí 2 až 10 dní. V inkubační době nemoc není nakažlivá. Nakažlivou se stává až při projevu jejích symptomů, jako je vysoká horečka, bolest hlavy, suchý kašel atd. SARS má úmrtnost 9,6 %. Proti SARS v současnosti neexistuje lék. Léčí se pouze symptomy. Nakažení lidé musí být umístěni do karantény, aby se zamezilo dalšímu šíření nemoci.&lt;br /&gt;
&lt;br /&gt;
Lidé budou mít tři stavy: zdraví, nakažení a v inkubační době. Zdravý člověk může být při kontaktu s nakaženým člověkem infikován virem SARS. Nakažlivost viru se bude dát nastavit v rozmezí od 20 % do 1 %. Člověk v inkubační době neví, že je nakažen, ale také nemůžeme nakazit ostatní. Po uplynutí inkubační doby (2 až 10 dnů) se projeví symptomy nemoci a člověk vyhledá lékařskou pomoc (půjde do nemocnice). Při cestě do nemocnice může nakazit ostatní lidi. Šance infikovaných na přežití je 90,4 %. Zdraví lidé se budou nemocnici vyhýbat. &lt;br /&gt;
&lt;br /&gt;
Po příchodu prvního nakaženého do nemocnice se sníží pravděpodobnost nakažení virem na polovinu, protože se lidé dozvědí o výskytu SARS ve městě a začnou dodržovat preventivní opatření, aby se nenakazili.&lt;br /&gt;
&lt;br /&gt;
V simulaci půjde nastavit nakažlivost viru, počet nemocnic, celkový počet lidí a počáteční počet nakažených lidí. Budou sledovány počty zdravých lidí, infikovaných lidí a lidí v inkubační době. V simulaci budou zobrazeny nemocnice a lidé, kteří budou barevně odlišení podle jejich stavu (zdravý, nakažený, v inkubační době).&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je ověřit, jak se bude SARS šířit v závislosti na počtu počátečních pacientů, počtu lidí, počtu nemocnic ve městě a nakažlivosti viru.&lt;br /&gt;
&lt;br /&gt;
Simulace bude řešena v Netlogo.&lt;br /&gt;
 &lt;br /&gt;
[[User:Xkrep35|Xkrep35]] ([[User talk:Xkrep35|talk]]) 07:48, 12 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
: Zajímavé, ale k ničemu. Použijte skutečnou nemoc, prostudujte prameny, reálné pravděpodobnosti šíření, atd. a zkuste úlohu předefinovat. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 07:18, 18 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
: Použita skutečná nemoc. Úloha předefinována.  [[User:Xkrep35|Xkrep35]] ([[User talk:Xkrep35|talk]]) 11:48, 19 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
== Využitelnost nočního parkoviště ve městě ==&lt;br /&gt;
Simulace zkoumá noční využitelnost parkovišť v závislosti na jejich cenách. Pro zjednodušení přijíždí všechna auta parkovat ve stejný čas (např. v 9 večer) a zůstávají na parkovišti přes noc. V této městské části Prahy bydlí studenti, důchodci, zaměstnaní a nezaměstnaní, jež jsou ochotni platit za parkovací místa odlišné ceny. Ceny jednotlivých míst se liší podle toho, zda se místa nacházejí přímo u bytů na sídlišti či v okrajových částech. Platba za parkování se platí na každý večer zvlášť (parkovací karty tato simulace nezohledňuje).&lt;br /&gt;
&lt;br /&gt;
	Uživatelé automobilů se v této lokalitě nachází v poměru 50% zaměstnaných, 7% nezaměstnaných (včetně matek na mateřské), 30% důchodců a 13% studentů. Cena jednotlivých parkovacích míst je předmětem simulace, nicméně aby pražská část neztrácela, minimální hranice nejlevnější části je 30Kč za večer (pod tuto částku nemůže cena za parkování nikdy klesnout). Zaměstnaní jsou ochotni zaplatit maximálně 80 Kč, nezaměstnaní 55 Kč, důchodci 50 Kč a studenti 60 Kč za jeden večer. Městská část je rozdělena do čtyř parkovacích zón, přičemž v nynější době stojí noční parkování v první zóně 75Kč, ve druhé 60Kč, ve třetí 50 Kč, a ve čtvrté 40 Kč. &lt;br /&gt;
&lt;br /&gt;
Simulace zkoumá, zda je v této městské části dostatek cenově dostupných parkovacích míst – zda by neměli dostupnost parkování upravit pomocí přenastavení cen. Pokud nějaké auto nenajde vhodné místo pro parkování, tuto oblast opustí. &lt;br /&gt;
&lt;br /&gt;
Prostředí: NetLogo 6.0.1.&lt;br /&gt;
&lt;br /&gt;
--[[User:Xvamm01|Xvamm01]] ([[User talk:Xvamm01|talk]]) 07:56, 12 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
: Tohle je dobré téma, ale nerozumím, odkud berete ty maximální ceny za parkování. A ta proporce jednotlivých segmentů je odkud? Zdroj? [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 07:21, 18 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
K procentuální struktuře obyvatelstva jsem použila Sociálně demografickou analýzu městské části Prahy 10 a údaje od Českého statistického úřadu. Pro výši cen, kterou jsou jednotlivé skupiny ochotny zaplatit za parkování jsem provedla průzkum, kdy jsem z každé skupiny oslovila 6-10 lidí a zeptala se jich na názor. Uvedené ceny jsou průměrem sebraných dat. Ceny jednotlivých zón mi zodpověděli na Městském úřadě Prahy 10, přičemž minimální hranice 30,- za noc se prý má brát hodně s rezervou (tato cena je skutečně pouze orientační a v praxi by to moc nefungovalo), nicméně si myslím, že pro účely této simulace, je taková informace adekvátní. &lt;br /&gt;
&lt;br /&gt;
--[[User:Monika|Monika]] ([[User talk:Monika|talk]]) 10:00, 18 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
==Zombie apokalypsa==&lt;br /&gt;
Simulace se bude odehrávat na začátku a v průběhu post apokalyptické budoucnosti, kde se objeví první zombie a začne simulaci šíření . &lt;br /&gt;
Simulace se zaměří na obě strany a to jak lidi, kteří budou mít možnost přežití založenou na jídle, zbraních, oblečení a lécích. Navíc každé úmrtí bude mít ke zrodu nového zombie. Lidé podléhají normálnímu životnímu cyklu, narození a přirozené úmrtí.&lt;br /&gt;
Na druhé straně zombie potřebují k přežití lidi jako potravu a pokud bude nedostatek lidí, začnou vymírat.  Zombie, v případě zničení lidstva, vyhynou. &lt;br /&gt;
Počáteční proměnné pro nastavení:&lt;br /&gt;
Počet lidí, množství volně dostupných zásob (jídlo, léky,…)&lt;br /&gt;
Simulace bude řešena v programu VENSIM a cílem bude simulovat reálné přežití lidí. Pro zjištění šance přežití budou vybudované soběstačná, bezpečná místa, bunkry (počet nastavitelný) se zásoby (množství nastavitelné). Simulace by sloužila pro armádu/y, v případě nastání této hypotetické situace.  &lt;br /&gt;
&lt;br /&gt;
--[[User:Xkutv05|Xkutv05]] ([[User talk:Xkutv05|talk]]) 10:15, 15 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
* V případě systémové dynamiky jde hlavně o hledání zákonitostí a správného nastavení parametrů, tak aby uživatel simulace věděl, co má pak v praxi udělat, aby dosáhnul svého cíle - tedy kdo by byl uživatelem takovéto simulace (hypoteticky) a v čem by mu pomáhala? [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 22:22, 13 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
* Upravené, s detailnějším popisem.  [[User:Xkutv05|Xkutv05]] ([[User talk:Xkutv05|talk]]) 10:16, 15 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
* OK. '''Schváleno'''. Pozor pak na kvantifikaci vztahů, ať je to realistické/ smysluplné, tam kde to jde. [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 21:30, 16 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
== Akustika místnosti ==&lt;br /&gt;
&lt;br /&gt;
===Co budu simulovat?===&lt;br /&gt;
Simulovat budu akustické chování místnosti. Konkrétně bych rád nasimuloval místnost, ve které se bude nacházet několik frekvenčně a intenzivně rozdílných zvukových zdrojů. &lt;br /&gt;
Tyto zdroje budou moci být uspořádány po místnosti a jednotlivé zvuky, které tyto zdroje budou vydávat, budou namodelovány jako vzdalující se kružnice s různými barvami, v zavilosti na intenzitě těchto zvuků.&lt;br /&gt;
Do místnosti pak v simulaci bude možno přidávat či odebírat akustická ošetření a pozorovat tak, jaký má vliv toto akustické upravení místnosti na pohyb zvuků.&lt;br /&gt;
&lt;br /&gt;
===Cíle simulace===&lt;br /&gt;
Cílem simulace je zjistit, jaký vliv má akustické ošetření na chování zvuků a celkovou akustiku v místnosti.&lt;br /&gt;
===Prostředí, ve kterém budu simulaci realizovat===&lt;br /&gt;
NetLogo&lt;br /&gt;
&lt;br /&gt;
--[[User:Xdosj28|Xdosj28]] 15:20, 12 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
: '''Schváleno.''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 07:23, 18 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
== Divadelní spolek ==&lt;br /&gt;
&lt;br /&gt;
Simulace má představovat chod divadelního spolku, který vedu. Hlavním cílem simulace je zjistit, co vše ovlivňuje potenciální návštěvníky při výběru divadelní hry a divadla, které se chystají navštívit. Ráda bych zachytila veškeré požadavky, které rozhodnutí diváka ovlivňují, co upřednostňují, co na ně působí apod. Dále bych chtěla zjistit, jak těmito požadavky ovlivňují celý chod divadelního spolku, divadla a jak zlepšením těchto požadavků a zároveň zlepšením atraktivity celého spolku a divadla docílit většího počtu diváků, vyšších příjmů a nižších nákladů. Simulace bude řešena v programu VENSIM.&lt;br /&gt;
&lt;br /&gt;
--[[User:xvana12|xvana12]] 11:13, 16 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
* OK. '''Schváleno'''. Pozor pak na kvantifikaci vztahů - je to třeba odvodit na základě nějakých dat ať je simulace realistická/ smysluplná.&lt;br /&gt;
&lt;br /&gt;
* Pracuji na dotazníku, ze kterého chci posbírat data, která by mi ukázala preference diváků, co přispívá k atraktivitě divadelního spolku a tudíž jeho následného výběru diváky. [[User:xvana12|xvana12]] 15:15, 19 May 2017&lt;br /&gt;
&lt;br /&gt;
==Louže prvoků==&lt;br /&gt;
&lt;br /&gt;
Předmětem je simulace prostředí tvořeného navzájem si soupeřícími prvoky.&lt;br /&gt;
Na zacyklené plátno je při inicializaci simulace rozmístěno dané množství prvoků s rozdílnými počátečními vlohami ve vlastnostech jako je rychlost, velikost (~síla), senzorický dosah,… Prvoci jsou v neustálém náhodném pohybu, který korigují v reakci na své sousedy v senzorickém dosahu. Při střetu dvou prvoků silnější vstřebá slabšího. Pozřený prvok zaniká a vítězi jsou upraveny vlastnosti (nabude na velikosti, je pomalejší,…). Prvoci, kteří po určitý čas nemají potravu také zanikají (u větších a silnějších je tento čas kratší). Zaměřuji se na výsledky prvoků vzhledem k nastavení počátečních vloh a v rámci zjednodušení neuvažuji další prvky prostředí a systém rozmnožování.&lt;br /&gt;
&lt;br /&gt;
Cílem simulace je analyzovat, jaké počáteční vlohy jsou pro prvoky nejvýhodnější a prozkoumat dynamiku systému a vývoje vlastností v závislosti na nastavení vstupních parametrů.&lt;br /&gt;
&lt;br /&gt;
Simulaci budu realizovat v prostředí NetLogo.&lt;br /&gt;
&lt;br /&gt;
[[User:FrantišekN|FrantišekN]] ([[User talk:FrantišekN|talk]]) 16:50, 16 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
* Téma se mi libí, jen potřebuju vědět, jak uvedete parametry do souladu s realitou. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 07:25, 18 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
* '''Doplnění zadání:'''Konkrétně se budu zabývat taxonomickými skupinami prvoků žijícími v kalných stojatých vodách: Měňavka (Amoeba), Trepka (Paramecium) a Vpíjenka (Didinium). Mezi těmito lze pozorovat zmiňované interakce a charakterizovat jejich odlišnosti pomocí škály zmiňovaných vlastností. Měňavka je pomalá a fagocituje Trepky a Vpíjenky, Vpíjenka je rychlá a může konzumovat Trepku, Trepka má tělo opatřeno brvami, které ji kromě pohybu zajišťují ve srovnání lepší vnímání okolního prostředí. Na základě těchto reálných charakteristik budu určovat počáteční vlastnosti, které budou v průběhu simulace upravovány v důsledku růstu plynoucímu z konzumace konkurentů (např. větší, při střetu konzumuje menší, ale je pomalejší). [[User:FrantišekN|FrantišekN]] ([[User talk:FrantišekN|talk]]) 16:06, 19 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
==Aquapark==&lt;br /&gt;
&lt;br /&gt;
Předmětem simulace je zachycení provozu Aquapalace Praha a všech doprovodných služeb včetně připojeného hotelu. Hlavním cílem je zachycení všech důležitých vztahů, které mohou ovlivňovat budoucí chod aquaparku a hotelu - toho lze využít např. při rozhodování o rozšíření prostor, rozsahu nabízených služeb, nastavení cen atd. Simulace by umožňovala zadání výchozích hodnot a následné sledování všech ovlivňovaných entit jako např. Počet zákazníků, Zisk, Vytížení atd.&lt;br /&gt;
Zdrojem dat pro simulaci je veřejná výroční zpráva aquaparku a hotelu Aquapalace Praha z roku 2016.&lt;br /&gt;
Simulace bude realizována v prostředí Vensim.&lt;br /&gt;
&lt;br /&gt;
[[User:Xskom38|Xskom38]] ([[User talk:Xskom38|talk]]) 12:18, 17 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
* OK. '''Schváleno'''. Pozor na kvantifikaci vztahů, ať je to realistické/ smysluplné. [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 20:42, 17 May 2017 (CEST)&lt;br /&gt;
&lt;br /&gt;
==Kinosál==&lt;br /&gt;
===Téma===&lt;br /&gt;
Práce se zabývá předmětem simulace navštěvovanosti kinosálu v konkrétním městě při promítání konkrtétních filmů. Konkrétně je simulace zaměřena na období od dokončení přípravy kinosálu k promítání po příchod všech diváků před / během promítání filmu. Prostředí simulovaného modelu se odehrává v konkrétním městě o stabilním počtu obyvatel, na sadě konkrétních filmů, které se promítají za konkrétní minimální ceny vstupenek, napříč žánry, popularitou a čekáváním, jenž je k dispozici na serverech ČSFD.cz a IMDB.com. Takový model disponuje volně nastavitelnými atributy jako jsou počet židlí v kinosálu, počet a umístění dveří v kinosálu a počet uliček mezi židlemi. Model podléhá přirozeným omezením agentů jako je např. jejich pohyb pouze po volné ploše a omezení pohybu diváků v řadě židlí. Díky takovéto optimalizaci je možné např. maximalizovat počet lidí, kteří mohou díky optimalizované orientaci mobiliáře shlédnout co největší množství reklam před spuštění filmu.&lt;br /&gt;
Veškerá relevantní data pro simulaci budou obstarána ze zdrojů ČSFD a IMDB a z příslušných dat poskytnutých kinem Milevsko.&lt;br /&gt;
Počet komponent je omezen velikostí sálu.&lt;br /&gt;
Model je dále využitelný pro jiné vznikající kinosály dle dosazení příslušných konstant.&lt;br /&gt;
===Cíl===&lt;br /&gt;
Cílem této práce je doporučit optimalizované rozložení (množství a umístění) komponent kinosálu na základě simulovaného chování veřejnosti v konkrétní lokalitě při návštěvě promítání filmů napříč žánry, popularitou a očekáváním.&lt;br /&gt;
===Prostředí===&lt;br /&gt;
Realizace a analýza simulace bude provedena v prostředí NetLogo.&lt;br /&gt;
&lt;br /&gt;
[[User:Xburj18|Xburj18]] ([[User talk:Xburj18|talk]]) 16:16, 19 May 2017 (CEST)&lt;/div&gt;</summary>
		<author><name>FrantišekN</name></author>
		
	</entry>
</feed>