Simulace.info - User contributions [en]

Přírodní výběr

2024-06-10T20:22:09Z

Rubo01:

{{DISPLAYTITLE: Simulace přírodního výběru pěnkav}}
'''Název simulace:''' Simulace přírodního výběru pěnkav

'''Autor:''' Rubeš Ondřej, rubo01

'''Modelovací nástroj:''' [https://ccl.northwestern.edu/netlogo/ NetLogo]

Přírodní selekce je základním mechanismem evoluce, který poprvé formuloval Charles Darwin. Tento proces spočívá v tom, že jedinci s vlastnostmi, které jim umožňují lépe se přizpůsobit svému prostředí, mají větší šanci přežít a rozmnožit se. Charles Darwin popsal tři základní principy, které se uplatňují. První říká, že potomci dědí své vlastnosti od svých rodičů. Druhý, že se rodí více jedinců, než přežije. To znamená, že prostředí má omezené zdroje. A třetí, který tvrdí, že potomci se mezi sebou svými vlastnostmi liší. To vede k postupné změně genetického složení populace, protože příznivé vlastnosti se stávají běžnějšími v následujících generacích. Přírodní selekce je tedy klíčovým faktorem v adaptaci organismů na měnící se podmínky prostředí. <ref name = first> The Galapagos Finches and Natural Selection Dostupné z: https://bio.libretexts.org/Bookshelves/Introductory_and_General_Biology/General_Biology_(Boundless)/18%3A_Evolution_and_the_Origin_of_Species/18.01%3A_Understanding_Evolution/18.1C%3A_The_Galapagos_Finches_and_Natural_Selection </ref>

=Definice problému=

Tato simulace se zaměřuje na studium přírodní selekce, konkrétně u pěnkav, známých také jako Darwinovy pěnkavy. Cílem je pochopit, jak různé faktory prostředí mohou ovlivňovat různé vlastnosti a charakteristiky jedinců, kteří se v prostředí vyskytují.

=Metoda=

Za nejvhodnější metodu modelování považuji multiagentní simulaci, protože v práci využíváme jedinců, kteří působí ve specifickém prostředí. V tomto prostředí interagují s ostatními jedinci, ale také s prostředím samotným.

=Model=

Model je abstrakcí reálného světa. Jelikož ne všechny významné rysy pěnkav mají vliv ve specifickém a izolovaném prostředí, budeme se zaobírat pouze těmi, které napomáhají přežití v tomto prostředí. Identifikoval jsem dvě vlastnosti, jejichž vývoj budeme zkoumat, tedy velikost jedince a přizpůsobení zobáku. Další charakterové rysy pěnkav jsou například: zbarvení, zpěv a vokalizace, hnízdění apod.
Jedinci a prostředí mají poměrně rozsáhlé možnosti nastavení. Díky tomu lze specificky izolovat zkoumané jevy.

==Nastavitelné parametry modelu==

* Evolve-largeness – určuje, zdali se bude při reprodukci pěnkav adaptovat jejich velikost. (true/false)
* Evolve-beak-depth – určuje, zdali se bude při reprodukci pěnkav adaptovat jejich zobák. (true/false)
* Finches – původní počet pěnkav v simulaci (5 – world-size * 2)
* Birds-vision-radius – dohled pěnkav kolem sebe (5 – world-size)
* Must-by-larger-by-percent – koeficient, který určuje o kolik procent musí být jedince větší, aby mohl vyhnat od potravy jedince menšího. (10–100)
* Evolution-koeficient – hodnota určuje rozsah možných změn jedinců oproti jeho rodičům. (0.1-1)
* Food – určuje počet potravy v prostředí (2- finches * 1.5)
* Eat-time-ticks – určuje počet ticků, na který se musí jedinec zastavit, aby spořádal potravu (10-100)
* Seeds-hardness-mean – střední hodnota vlastnosti hardness generované potravy (6-12)
* World-size – velikost prostředí (32-44)
* Cycle-lenght – maximální doba jednoho cyklu v počtech ticků (500–1000)

[[File:Prirodni_selekce_parametry.png]]

==Agenti – pěnkavy==

Hlavními aktéry simulace jsou pěnkavy, které se snaží přežít ve specifickém prostředí. Pěnkavy mají různé vlastnosti a úkony, které provádějí.

===Pozice===

Základní pozice pěnkav se určuje vždy na začátku cyklu a jsou rozmístěny náhodně po obvodu plochy, která představuje simulované prostřední. V případě, že se pěnkavě podařilo sehnat dostatek potravy, vrací se na původní pozici, než skončí cyklus.

===Vlastnost===

* start-x – souřadnice x začínajícího pole, slouží k vrácení na začátek, pokud jedinec sehnal dostatek potravy. Je určena náhodně na začátku cyklu.
* start-y – souřadnice y začínajícího pole, slouží k vrácení na začátek, pokud jedinec sehnal dostatek potravy. Je určena náhodně na začátku cyklu.
* target – cílová potrava, za kterou pták letí. V průběhu cyklu se mění a určuje se pomocí funkce hledání potravy.
* speed – rychlost kterou se pohybuje jedinec, je dáno koeficientem 0.7 – jeho velikostí / 100. Čím je jedinec větší, tím větší váhu nese a je o to pomalejší. Samotná rychlost nemá tak významný rozdíl, a jelikož se jedná o stejný typ ptactva, můžeme tuto vlastnost počítat zmíněným způsobem. <ref name = second> What Determines The Speed At Which Birds Fly? Dostupné z: https://www.sciencedaily.com/releases/2007/07/070717014442.htm</ref>
* eaten-seeds – počet zajištěné potravy v cyklu, důležité pro konečnou fázi cyklu. Základem je hodnota nastavena na 0.
* find-delay – pozastavení hledání na krátkou dobu (10 ticků), pokud je jedinec vystrnaděn od potravy.
* beak-depth – vlastnost zobáku jedince, pohybuje se v rozmezí 6-14mm a určuje, kterou potravu je schopen sníst. Základní hodnota je náhodná z normálního rozdělení se střední hodnotou 9 a rozptylem 1.2. <ref name = first> The Galapagos Finches and Natural Selection Dostupné z: https://bio.libretexts.org/Bookshelves/Introductory_and_General_Biology/General_Biology_(Boundless)/18%3A_Evolution_and_the_Origin_of_Species/18.01%3A_Understanding_Evolution/18.1C%3A_The_Galapagos_Finches_and_Natural_Selection </ref>
* largeness – velikost jedince, figuruje v možnosti odehnat jiné jedince od potravy (10-27cm) a rychlosti pohybu. Základní hodnota je náhodná z rozmezí 10-15cm. <ref name = third> Britannica finch Dostupné z: https://www.britannica.com/animal/finch</ref>
* Zbarvení – měníme v závislosti na počtu nalezené potravy (0 = zelená, 1 = modrá, 2 = červená)

===Pohyb===

Pohyb v simulaci je odlišný v závislosti na několika jevech. Jedním z typů pohybu je náhodné hledání. Pěnkava se pohybuje v prostředí zcela náhodně, dokud nenalezne potravu. V případě, že má aktivní cíl (target), pohybuje se přímo k němu. Posledním případem je, když sehnala dostatek potravy a vrací se na startovní pozici. V takovém případě se pohybuje přímo na ni. Jelikož se pěnkavy pohybují vzduchem, nejsou zde řešeny kolize jedinců.

===Hledání potravy===

Při náhodném pohybu zároveň probíhá vyhledávání potravy. To je pomocí jednoduché funkce, která v okolí jedince, dle nastavení, hledá potravu, kterou je schopen sníst a která není zabraná nebo je zabrána menším jedincem, kterého lze vystrnadit. I tuto skutečnost lze modifikovat. Jedinec hledá potravu, dokud se nenasytí dvěma kusy.

===Vystrnadění slabšího===

Jelikož v simulaci izolujeme pouze stejný druh ptactva, řešíme souboj o potravu prostřednictvím velikosti jedinců, kde větší jedinec vyhrává <ref name = fourth> Power Struggles Are Playing Out At Your Feeder—Here’s What To Look For Dostupné z: https://www.allaboutbirds.org/news/power-struggles-are-playing-out-at-your-feeder-heres-what-to-look-for/#</ref>. Protože nelze přesně stanovit, jak velký velikostní rozdíl musí být mezi jedinci, aby k tomu došlo, je tato vlastnost nastavitelná. V příkladu to znamená, že když se k jednomu zdroji potravy sletí více jedinců, zůstane potrava tomu největšímu a nejrychlejšímu. Dalším případem je, když při hledání potravy uvidí zdroj potravy okupován slabším jedincem. V tomto případě jej považuje za volný, protože ho lze vyhnat.

===Ukončení cyklu===

Existuje několik podmínek, které končí jeden cyklus simulace.
* V prostředí se nenachází žádná potrava
* Všichni jedinci jsou již plně nasycení
* Proběhl nastavitelný počet ticků potřebný k ukončení cyklu
Na konci cyklu jedinci umírají v případě, že nesehnali žádnou potravu. Přežívají, pokud sehnali alespoň jednu a rozmnožují se, pokud získali dvě. Zároveň se resetuje vlastnost eaten-seeds na její původní hodnotu.

===Reprodukce===

Pokud se pěnkavě povedlo získat více potravy (2) tak je schopna reprodukce. Je vytvořen nový jedinec a jeho vlastnosti odvozeny od rodiče. V zjednodušeném světě má potomek pouze jednoho rodiče. Zároveň je provedena modifikace zkoumaných atributů. Nelze však dosáhnout jiných hodnot vlastností než v povoleném rozsahu.

==Prostředí==

Simulované prostředí abstrahuje pouze jedince pěnkav a potravy. Izoluje je tak od jakýchkoli dalších vlivů, to znamená, že se v prostředí nevyskytují žádní predátoři a jediná smrt jedinců nastává z nedostatku potravy. Jediné soupeření je mezi jedinci samotnými. V simulaci je velikost prostředí dána velikostí plochy, kde se jedinci pohybují.

===Semínka===

Hlavním prvkem v prostředí, mimo pěnkav, které jsme již popsali, je potrava v podobě semínek. Ta jsou začátkem každého cyklu generována náhodně v prostředí s odlišnou hodnotou vlastnosti hardness. Ta pochází z normálního rozdělení, jehož střední hodnotu lze nastavit, a rozptylu rovnému jedné. Tento jev je odvozen od vlastnosti beak-depth u pěnkav. Výsledkem je, že různí jedinci zvládnou pozřít různou škálu semínek.

====Vlastnosti====

* Hardness – náročnost získání potravy. Porovnává se s vlastností zobáku (<beak-depth) <ref name = fifth> Seed mass, hardness, and phylogeny explain the potential for endozoochory by granivorous waterbirds Dostupné z: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7029096/</ref>
* Eat-time – odpočitávadlo pro dobu, kterou musí jedinec strávit získáváním potravy (nastavitelné)
* Occupied-by – odkaz na agenta pěnkavy, který právě získává potravu z tohoto zdroje.

=Výsledky=

Díky modelu můžeme pozorovat vývoj vlastností pěnkav při různých specifikách prostředí. Výsledkem jsou jedinci s nejlépe uzpůsobenými vlastnostmi k danému prostředí. Hlavní výstupy tvoří porovnání mezi vývojem vlastností jedinců. V práci si ukážeme několik příkladů, kdy různorodost prostředí vyzdvihuje odlišné vlastnosti. Změny budeme pozorovat mezi 50-100 cykly.

===Základní===

Při základním nastavení parametrů (viz. obr) můžeme již po 60 cyklech pozorovat vývoj vlastností. Populace se ustálila již po několika cyklech v rozmezí 45-55 jedinců. To je způsobeno počtem generované potravy (50) a možnostmi přežití a reprodukce.
Velikost jedinců se změnila, její hodnoty se pohybují dvěma směry. První je nízká (kolem 9 cm), kdy jsou jedinci rychlejší. Druhým směrem jsou větší jedinci (kolem 14cm), kteří mají výhodu velikosti a dokáží vystrnadit menší jedince.
Vlastnost beak-depth zůstala téměř beze změny. Největší zastoupení má střední hodnota 9mm a krajní hodnoty vymizely. To znamená, že v tomto prostředí není zapotřebí výrazné uzpůsobení zobáku potravě.

[[File:Prirodni_selekce_nastav1.png]]
[[File:Prirodni_selekce_vys1.png]]

===Náročné získání potravy===

V tomto scénáři dojde v prostředí k silnému zvýšení náročnosti získání potravy (seeds-hardness-mean). Tato situace jednou nastala i v reálném světě a již u prvních potomků byl zaznamenán rozdíl v uzpůsobení zobáku. Můžeme předpokládat podobné závěry i v tomto modelu.
Při pozorování této simulace zaznamenáváme zásadní změnu v ustálení populace, nejdříve je náhlý propad, protože umírají jedinci, kteří nejsou schopni získat žádnou potravu. Následně v několika cyklech roste populace, tedy jedinci s lepší vlastností beak-depth se začínají reprodukovat. Po několika dalších cyklech dochází k ustálení opět kolem počtu generovaného jídla.
Zásadní vliv tohoto prostředí pozorujeme ve vlastnosti beak-depth, která se nyní pohybuje kolem 13mm. Můžeme tedy říci, že změna této vlastnosti byla kritickou reakcí na změnu v prostředí.
Velikost jedinců se posunula lehce vpravo, jsou tedy o něco větší než původní rozdělní. Tato vlastnost však není signifikantní v tomto prostředí.

[[File:Prirodni_selekce_nastav2.png]]
[[File:Prirodni_selekce_vys2.png]]

===Menší prostředí s pomalým získáváním potravy===

V tomto případě je prostředí menší a získávání potravy pomalejší. Výsledkem je signifikantní změna velikosti, která se dostala na průměr 15,5cm. Populace rostla a ustálila se běžným způsobem jako v základní simulaci. Uzpůsobení zobáku zaznamenalo posun k vyšším hodnotám, ale ne tak velkým jako při druhé simulaci.

[[File:Prirodni_selekce_nastav3.png]]
[[File:Prirodni_selekce_vys3.png]]

=Závěr=

V této práci jsme se zaměřili na studium přírodní selekce u Darwinových pěnkav pomocí simulace v NetLogo. Naším cílem bylo pochopit, jak různé faktory prostředí ovlivňují vlastnosti jedinců, konkrétně velikost a přizpůsobení zobáku, a jak tyto změny vedou k evolučním adaptacím.

Pomocí multiagentní simulace jsme vytvořili model, který umožňuje sledovat dynamiku populace pěnkav v různých prostředích a za různých podmínek. Díky široké škále nastavitelných parametrů jsme mohli izolovat specifické jevy a analyzovat jejich dopady na vývoj vlastností pěnkav.

Na základě výsledků můžeme konstatovat, že se nám podařilo úspěšně simulovat a analyzovat proces přírodní selekce u pěnkav. Naše simulace poskytla cenné vhledy do toho, jak specifické environmentální podmínky ovlivňují evoluční adaptace a jak různé vlastnosti jedinců mohou být selektivně výhodné v různých situacích.

=Kód=

[[Media:NaturalSelection.nlogo]]

=Reference=

Přírodní výběr

2024-06-10T18:30:51Z

Rubo01:

{{DISPLAYTITLE: Simulace přírodního výběru pěnkav}}
'''Název simulace:''' Simulace přírodního výběru pěnkav

'''Autor:''' Rubeš Ondřej, rubo01

'''Modelovací nástroj:''' [https://ccl.northwestern.edu/netlogo/ NetLogo]

Přírodní selekce je základním mechanismem evoluce, který poprvé formuloval Charles Darwin. Tento proces spočívá v tom, že jedinci s vlastnostmi, které jim umožňují lépe se přizpůsobit svému prostředí, mají větší šanci přežít a rozmnožit se. Charles Darwin popsal tři základní principy, které se uplatňují. První říká, že potomci dědí své vlastnosti od svých rodičů. Druhý, že se rodí více jedinců, než přežije. To znamená, že prostředí má omezené zdroje. A třetí, který tvrdí, že potomci se mezi sebou svými vlastnostmi liší. To vede k postupné změně genetického složení populace, protože příznivé vlastnosti se stávají běžnějšími v následujících generacích. Přírodní selekce je tedy klíčovým faktorem v adaptaci organismů na měnící se podmínky prostředí. <ref name = first> The Galapagos Finches and Natural Selection Dostupné z: https://bio.libretexts.org/Bookshelves/Introductory_and_General_Biology/General_Biology_(Boundless)/18%3A_Evolution_and_the_Origin_of_Species/18.01%3A_Understanding_Evolution/18.1C%3A_The_Galapagos_Finches_and_Natural_Selection </ref>

=Definice problému=

Tato simulace se zaměřuje na studium přírodní selekce, konkrétně u pěnkav, známých také jako Darwinovy pěnkavy. Cílem je pochopit, jak různé faktory prostředí mohou ovlivňovat různé vlastnosti a charakteristiky jedinců, kteří se v prostředí vyskytují.

=Metoda=

Za nejvhodnější metodu modelování považuji multiagentní simulaci, protože v práci využíváme jedinců, kteří působí ve specifickém prostředí. V tomto prostředí interagují s ostatními jedinci, ale také s prostředím samotným.

=Model=

Model je abstrakcí reálného světa. Jelikož ne všechny významné rysy pěnkav mají vliv ve specifickém a izolovaném prostředí, budeme se zaobírat pouze těmi, které napomáhají přežití v tomto prostředí. Identifikoval jsem dvě vlastnosti, jejichž vývoj budeme zkoumat, tedy velikost jedince a přizpůsobení zobáku. Další charakterové rysy pěnkav jsou například: zbarvení, zpěv a vokalizace, hnízdění apod.
Jedinci a prostředí mají poměrně rozsáhlé možnosti nastavení. Díky tomu lze specificky izolovat zkoumané jevy.

==Nastavitelné parametry modelu==

* Evolve-largeness – určuje, zdali se bude při reprodukci pěnkav adaptovat jejich velikost. (true/false)
* Evolve-beak-depth – určuje, zdali se bude při reprodukci pěnkav adaptovat jejich zobák. (true/false)
* Finches – původní počet pěnkav v simulaci (5 – world-size * 2)
* Birds-vision-radius – dohled pěnkav kolem sebe (5 – world-size)
* Must-by-larger-by-percent – koeficient, který určuje o kolik procent musí být jedince větší, aby mohl vyhnat od potravy jedince menšího. (10–100)
* Evolution-koeficient – hodnota určuje rozsah možných změn jedinců oproti jeho rodičům. (0.1-1)
* Food – určuje počet potravy v prostředí (2- finches * 1.5)
* Eat-time-ticks – určuje počet ticků, na který se musí jedinec zastavit, aby spořádal potravu (10-100)
* Seeds-hardness-mean – střední hodnota vlastnosti hardness generované potravy (6-12)
* World-size – velikost prostředí (32-44)
* Cycle-lenght – maximální doba jednoho cyklu v počtech ticků (500–1000)

[[File:Prirodni_selekce_parametry.png]]

==Agenti – pěnkavy==

Hlavními aktéry simulace jsou pěnkavy, které se snaží přežít ve specifickém prostředí. Pěnkavy mají různé vlastnosti a úkony, které provádějí.

===Pozice===

Základní pozice pěnkav se určuje vždy na začátku cyklu a jsou rozmístěny náhodně po obvodu plochy, která představuje simulované prostřední. V případě, že se pěnkavě podařilo sehnat dostatek potravy, vrací se na původní pozici, než skončí cyklus.

===Vlastnost===

* start-x – souřadnice x začínajícího pole, slouží k vrácení na začátek, pokud jedinec sehnal dostatek potravy. Je určena náhodně na začátku cyklu.
* start-y – souřadnice y začínajícího pole, slouží k vrácení na začátek, pokud jedinec sehnal dostatek potravy. Je určena náhodně na začátku cyklu.
* target – cílová potrava, za kterou pták letí. V průběhu cyklu se mění a určuje se pomocí funkce hledání potravy.
* speed – rychlost kterou se pohybuje jedinec, je dáno koeficientem 0.7 – jeho velikostí / 100. Čím je jedinec větší, tím větší váhu nese a je o to pomalejší. Samotná rychlost nemá tak významný rozdíl, a jelikož se jedná o stejný typ ptactva, můžeme tuto vlastnost počítat zmíněným způsobem. <ref name = second> What Determines The Speed At Which Birds Fly? Dostupné z: https://www.sciencedaily.com/releases/2007/07/070717014442.htm</ref>
* eaten-seeds – počet zajištěné potravy v cyklu, důležité pro konečnou fázi cyklu. Základem je hodnota nastavena na 0.
* find-delay – pozastavení hledání na krátkou dobu (10 ticků), pokud je jedinec vystrnaděn od potravy.
* beak-depth – vlastnost zobáku jedince, pohybuje se v rozmezí 6-14mm a určuje, kterou potravu je schopen sníst. Základní hodnota je náhodná z normálního rozdělení se střední hodnotou 9 a rozptylem 1.2. <ref name = first> The Galapagos Finches and Natural Selection Dostupné z: https://bio.libretexts.org/Bookshelves/Introductory_and_General_Biology/General_Biology_(Boundless)/18%3A_Evolution_and_the_Origin_of_Species/18.01%3A_Understanding_Evolution/18.1C%3A_The_Galapagos_Finches_and_Natural_Selection </ref>
* largeness – velikost jedince, figuruje v možnosti odehnat jiné jedince od potravy (10-27cm) a rychlosti pohybu. Základní hodnota je náhodná z rozmezí 10-15cm. <ref name = third> Britannica finch Dostupné z: https://www.britannica.com/animal/finch</ref>
* Zbarvení – měníme v závislosti na počtu nalezené potravy (0 = zelená, 1 = modrá, 2 = červená)

===Pohyb===

Pohyb v simulaci je odlišný v závislosti na několika jevech. Jedním z typů pohybu je náhodné hledání. Pěnkava se pohybuje v prostředí zcela náhodně, dokud nenalezne potravu. V případě, že má aktivní cíl (target), pohybuje se přímo k němu. Posledním případem je, když sehnala dostatek potravy a vrací se na startovní pozici. V takovém případě se pohybuje přímo na ni. Jelikož se pěnkavy pohybují vzduchem, nejsou zde řešeny kolize jedinců.

===Hledání potravy===

Při náhodném pohybu zároveň probíhá vyhledávání potravy. To je pomocí jednoduché funkce, která v okolí jedince, dle nastavení, hledá potravu, kterou je schopen sníst a která není zabraná nebo je zabrána menším jedincem, kterého lze vystrnadit. I tuto skutečnost lze modifikovat. Jedinec hledá potravu, dokud se nenasytí dvěma kusy.

===Vystrnadění slabšího===

Jelikož v simulaci izolujeme pouze stejný druh ptactva, řešíme souboj o potravu prostřednictvím velikosti jedinců, kde větší jedinec vyhrává <ref name = fourth> Power Struggles Are Playing Out At Your Feeder—Here’s What To Look For Dostupné z: https://www.allaboutbirds.org/news/power-struggles-are-playing-out-at-your-feeder-heres-what-to-look-for/#</ref>. Protože nelze přesně stanovit, jak velký velikostní rozdíl musí být mezi jedinci, aby k tomu došlo, je tato vlastnost nastavitelná. V příkladu to znamená, že když se k jednomu zdroji potravy sletí více jedinců, zůstane potrava tomu největšímu a nejrychlejšímu. Dalším případem je, když při hledání potravy uvidím zdroj potravy okupován slabším jedincem. V tomto případě jej považuji za volné, protože ho lze vyhnat.

===Ukončení cyklu===

Existuje několik podmínek, které končí jeden cyklus simulace.
* V prostředí se nenachází žádná potrava
* Všichni jedinci jsou již plně nasycení
* Proběhl nastavitelný počet ticků potřebný k ukončení cyklu
Na konci cyklu jedinci umírají v případě, že nesehnaly žádnou potravu. Přežívají, pokud sehnaly alespoň jednu a rozmnožují se, pokud získali dvě. Zároveň se resetuje vlastnost eaten-seeds na její původní hodnotu.

===Reprodukce===

Pokud se pěnkavě povedlo získat více potravy (2) tak je schopna reprodukce. Je vytvořen nový jedinec a jeho vlastnosti odvozeny od rodiče. V zjednodušeném světě má potomek pouze jednoho rodiče. Zároveň je provedena modifikace zkoumaných atributů. Nelze však dosáhnout jiných hodnot vlastností než v povoleném rozsahu.

==Prostředí==

Simulované prostředí abstrahuje pouze jedince pěnkav a potravy. Izoluje je tak od jakýchkoli dalších vlivů, to znamená, že v prostředí nevyskytují žádní predátoři a jediná smrt jedinců nastává z nedostatku potravy. Jediné soupeření je mezi jedinci samotnými. V simulaci je velikost prostředí dána velikostí plochy, kde se jedinci pohybují.

===Semínka===

Hlavním prvkem v prostředí, mimo pěnkav, které jsme již popsali, je potrava v podobě semínek. Ta jsou začátkem každého cyklu generována náhodně v prostředí s odlišnou hodnotou vlastnosti hardness. Ta pochází z normálního rozdělení, jehož střední hodnotu lze nastavit a rozptylu rovnému jedné. Tento jev je odvozen od vlastnosti beak-depth u pěnkav. Výsledkem je, že různí jedinci zvládnou pozřít různou škálu semínek.

====Vlastnosti====

* Hardness – náročnost získání potravy. Porovnává se s vlastností zobáku (<beak-depth) <ref name = fifth> Seed mass, hardness, and phylogeny explain the potential for endozoochory by granivorous waterbirds Dostupné z: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7029096/</ref>
* Eat-time – odpočitávadlo pro dobu, kterou musí jedinec strávit získáváním potravy (nastavitelné)
* Occupied-by – odkaz na agenta pěnkavy, který právě získává potravu z tohoto zdroje.

=Výsledky=

Díky modelu můžeme pozorovat vývoj vlastností pěnkav při různých specifikách prostředí. Výsledkem jsou jedinci s nejlépe uzpůsobenými vlastnostmi k danému prostředí. Hlavní výstupy tvoří porovnání mezi vývojem vlastností jedinců. V práci si ukážeme několik příkladů, kdy různorodost prostředí vyzdvihuje odlišné vlastnosti. Změny budeme pozorovat mezi 50-100 cykly.

===Základní===

Při základním nastavení parametrů (viz. obr) můžeme již po 60 cyklech pozorovat vývoj vlastností. Populace se ustálila již po několika cyklech v rozmezí 45-55 jedinců. To je způsobeno počtem generované potravy (50) a možnostmi přežití a reprodukce.
Velikost jedinců se změnila, její hodnoty se pohybují dvěma směry. První je nízká (kolem 9 cm), kdy jsou jedinci rychlejší. Druhým směrem jsou větší jedinci (kolem 14cm), kteří mají výhodu velikosti a dokáží vystrnadit menší jedince.
Vlastnost beak-depth zůstala téměř beze změny. Největší zastoupení má střední hodnota 9mm a krajní hodnoty vymizely. To znamená, že v tomto prostředí není zapotřebí výrazné uzpůsobení zobáku potravě.

[[File:Prirodni_selekce_nastav1.png]]
[[File:Prirodni_selekce_vys1.png]]

===Náročné získání potravy===

V tomto scénáři dojde v prostředí k silnému zvýšení náročnosti získání potravy (seeds-hardness-mean). Tato situace jednou nastala i v reálném světě a již při prvních potomcích byl zaznamenán rozdíl v uzpůsobení zobáku. Můžeme předpokládat podobné závěry i v tomto modelu.
Při pozorování této simulace zaznamenáváme zásadní změnu v ustálení populace, nejdříve je náhlý propad, protože umírají jedinci, kteří nejsou schopni získat žádnou potravu. Následně v několika cyklech roste populace, tedy jedinci s lepší vlastností beak-depth se začínají reprodukovat. Po několika dalších cyklech dochází k ustálení opět kolem počtu generovaného jídla.
Zásadní vliv tohoto prostředí pozorujeme ve vlastnosti beak-depth, která se nyní pohybuje kolem 13mm. Můžeme tedy říci, že změna této vlastnost byla kritickou reakcí na změnu v prostředí.
Velikost jedinců se posunula lehce vpravo, jsou tedy o něco větší než původní rozdělní. Tato vlastnost však není signifikantní v tomto prostředí.

[[File:Prirodni_selekce_nastav2.png]]
[[File:Prirodni_selekce_vys2.png]]

===Menší prostředí s pomalým získáváním potravy===

V tomto případě je prostředí menší a získávání potravy pomalejší. Výsledkem je signifikantní změna velikosti, která se dostala na průměr 15,5cm. Populace rostla a ustálila se běžným způsobem jako v základní simulaci. Uzpůsobení zobáku zaznamenalo posun k vyšším hodnotám, ale ne tak velkým jako při druhé simulaci.

[[File:Prirodni_selekce_nastav3.png]]
[[File:Prirodni_selekce_vys3.png]]

=Závěr=

V této práci jsme se zaměřili na studium přírodní selekce u Darwinových pěnkav pomocí simulace v NetLogo. Naším cílem bylo pochopit, jak různé faktory prostředí ovlivňují vlastnosti jedinců, konkrétně velikost a přizpůsobení zobáku, a jak tyto změny vedou k evolučním adaptacím.

Pomocí multiagentní simulace jsme vytvořili model, který umožňuje sledovat dynamiku populace pěnkav v různých prostředích a za různých podmínek. Díky široké škále nastavitelných parametrů jsme mohli izolovat specifické jevy a analyzovat jejich dopady na vývoj vlastností pěnkav.

Na základě výsledků můžeme konstatovat, že se nám podařilo úspěšně simulovat a analyzovat proces přírodní selekce u pěnkav. Naše simulace poskytla cenné vhledy do toho, jak specifické environmentální podmínky ovlivňují evoluční adaptace a jak různé vlastnosti jedinců mohou být selektivně výhodné v různých situacích.

=Kód=

[[Media:NaturalSelection.nlogo]]

=Reference=

Přírodní výběr

2024-06-10T18:18:46Z

Rubo01:

{{DISPLAYTITLE: Simulace přírodního výběru pěnkav}}
'''Název simulace:''' Simulace přírodního výběru pěnkav

'''Autor:''' Rubeš Ondřej, rubo01

'''Modelovací nástroj:''' [https://ccl.northwestern.edu/netlogo/ NetLogo]

Přírodní selekce je základním mechanismem evoluce, který poprvé formuloval Charles Darwin. Tento proces spočívá v tom, že jedinci s vlastnostmi, které jim umožňují lépe se přizpůsobit svému prostředí, mají větší šanci přežít a rozmnožit se. Charles Darwin popsal tři základní principy, které se uplatňují. První říká, že potomci dědí své vlastnosti od svých rodičů. Druhý, že se rodí více jedinců, než přežije. To znamená, že prostředí má omezené zdroje. A třetí, který tvrdí, že potomci se mezi sebou svými vlastnostmi liší. To vede k postupné změně genetického složení populace, protože příznivé vlastnosti se stávají běžnějšími v následujících generacích. Přírodní selekce je tedy klíčovým faktorem v adaptaci organismů na měnící se podmínky prostředí. <ref name = first> The Galapagos Finches and Natural Selection Dostupné z: https://bio.libretexts.org/Bookshelves/Introductory_and_General_Biology/General_Biology_(Boundless)/18%3A_Evolution_and_the_Origin_of_Species/18.01%3A_Understanding_Evolution/18.1C%3A_The_Galapagos_Finches_and_Natural_Selection </ref>

=Definice problému=

Tato simulace se zaměřuje na studium přírodní selekce, konkrétně u pěnkav, známých také jako Darwinovy pěnkavy. Cílem je pochopit, jak různé faktory prostředí mohou ovlivňovat různé vlastnosti a charakteristiky jedinců, kteří se v prostředí vyskytují.

=Metoda=

Za nejvhodnější metodu modelování považuji multiagentní simulaci, protože v práci využíváme jedinců, kteří působí ve specifickém prostředí. V tomto prostředí interagují s ostatními jedinci, ale také s prostředím samotným.

=Model=

Model je abstrakcí reálného světa. Jelikož ne všechny významné rysy pěnkav mají vliv ve specifickém a izolovaném prostředí, budeme se zaobírat pouze těmi, které napomáhají přežití v tomto prostředí. Identifikoval jsem dvě vlastnosti, jejichž vývoj budeme zkoumat, tedy velikost jedince a přizpůsobení zobáku. Další charakterové rysy pěnkav jsou například: zbarvení, zpěv a vokalizace, hnízdění apod.
Jedinci a prostředí mají poměrně rozsáhlé možnosti nastavení. Díky tomu lze specificky izolovat zkoumané jevy.

==Nastavitelné parametry modelu==

* Evolve-largeness – určuje, zdali se bude při reprodukci pěnkav adaptovat jejich velikost. (true/false)
* Evolve-beak-depth – určuje, zdali se bude při reprodukci pěnkav adaptovat jejich zobák. (true/false)
* Finches – původní počet pěnkav v simulaci (5 – world-size * 2)
* Birds-vision-radius – dohled pěnkav kolem sebe (5 – world-size)
* Must-by-larger-by-percent – koeficient, který určuje o kolik procent musí být jedince větší, aby mohl vyhnat od potravy jedince menšího. (10–100)
* Evolution-koeficient – hodnota určuje rozsah možných změn jedinců oproti jeho rodičům. (0.1-1)
* Food – určuje počet potravy v prostředí (2- finches * 1.5)
* Eat-time-ticks – určuje počet ticků, na který se musí jedinec zastavit, aby spořádal potravu (10-100)
* Seeds-hardness-mean – střední hodnota vlastnosti hardness generované potravy (6-12)
* World-size – velikost prostředí (32-44)
* Cycle-lenght – maximální doba jednoho cyklu v počtech ticků (500–1000)

[[File:Prirodni_selekce_parametry.png]]

==Agenti – pěnkavy==

Hlavními aktéry simulace jsou pěnkavy, které se snaží přežít ve specifickém prostředí. Pěnkavy mají různé vlastnosti a úkony, které provádějí.

===Pozice===

Základní pozice pěnkav se určuje vždy na začátku cyklu a jsou rozmístěny náhodně po obvodu plochy, která představuje simulované prostřední. V případě, že se pěnkavě podařilo sehnat dostatek potravy, vrací se na původní pozici, než skončí cyklus.

===Vlastnost===

* start-x – souřadnice x začínajícího pole, slouží k vrácení na začátek, pokud jedinec sehnal dostatek potravy. Je určena náhodně na začátku cyklu.
* start-y – souřadnice y začínajícího pole, slouží k vrácení na začátek, pokud jedinec sehnal dostatek potravy. Je určena náhodně na začátku cyklu.
* target – cílová potrava, za kterou pták letí. V průběhu cyklu se mění a určuje se pomocí funkce hledání potravy.
* speed – rychlost kterou se pohybuje jedinec, je dáno koeficientem 0.7 – jeho velikostí / 100. Čím je jedinec větší, tím větší váhu nese a je o to pomalejší. Samotná rychlost nemá tak významný rozdíl, a jelikož se jedná o stejný typ ptactva, můžeme tuto vlastnost počítat zmíněným způsobem.
* eaten-seeds – počet zajištěné potravy v cyklu, důležité pro konečnou fázi cyklu. Základem je hodnota nastavena na 0.
* find-delay – pozastavení hledání na krátkou dobu (10 ticků), pokud je jedinec vystrnaděn z od potravy.
* beak-depth – vlastnost zobáku jedince, pohybuje se v rozmezí 6-14mm a určuje, kterou potravu je schopen sníst. Základní hodnota je náhodná z normálního rozdělení se střední hodnotou 9 a rozptylem 1.2.
* largeness – velikost jedince, figuruje v možnosti odehnat jiné jedince od potravy (10-27cm) a rychlosti pohybu. Základní hodnota je náhodná z rozmezí 10-15cm.
* Zbarvení – měníme v závislosti na počtu nalezené potravy (0 = zelená, 1 = modrá, 2 = červená)

===Pohyb===

Pohyb v simulaci je odlišný v závislosti na několika jevech. Jedním z typů pohybu je náhodné hledání. Pěnkava se pohybuje v prostředí zcela náhodně, dokud nenalezne potravu. V případě, že má aktivní cíl (target), pohybuje se přímo k němu. Posledním případem je, když sehnala dostatek potravy a vrací se na startovní pozici. V takovém případě se pohybuje přímo na ni. Jelikož se pěnkavy pohybují vzduchem, nejsou zde řešeny kolize jedinců.

===Hledání potravy===

Při náhodném pohybu zároveň probíhá vyhledávání potravy. To je pomocí jednoduché funkce, která v okolí jedince, dle nastavení, hledá potravu, kterou je schopen sníst a která není zabraná nebo je zabrána menším jedincem, kterého lze vystrnadit. I tuto skutečnost lze modifikovat. Jedinec hledá potravu, dokud se nenasytí dvěma kusy.

===Vystrnadění slabšího===

Jelikož v simulaci izolujeme pouze stejný druh ptactva, řešíme souboj o potravu prostřednictvím velikosti jedinců, kde větší jedinec vyhrává. Protože nelze přesně stanovit, jak velký velikostní rozdíl musí být mezi jedinci, aby k tomu došlo, je tato vlastnost nastavitelná. V příkladu to znamená, že když se k jednomu zdroji potravy sletí více jedinců, zůstane potrava tomu největšímu a nejrychlejšímu. Dalším případem je, když při hledání potravy uvidím zdroj potravy okupován slabším jedincem. V tomto případě jej považuji za volné, protože ho lze vyhnat.

===Ukončení cyklu===

Existuje několik podmínek, které končí jeden cyklus simulace.
* V prostředí se nenachází žádná potrava
* Všichni jedinci jsou již plně najedení
* Proběhl nastavitelný počet ticků potřebný k ukončení cyklu
Na konci cyklu jedinci umírají v případě, že nesehnaly žádnou potravu. Přežívají, pokud sehnaly alespoň jednu a rozmnožují se, pokud získali dvě. Zároveň se resetuje vlastnost eaten-seeds na její původní hodnotu.

===Reprodukce===

Pokud se pěnkavě povedlo získat více potravy (2) tak je schopna reprodukce. Je vytvořen nový jedinec a jeho vlastnosti odvozeny od rodiče. V zjednodušeném světě má potomek pouze jednoho rodiče. Zároveň je provedena modifikace zkoumaných atributů. Nelze však dosáhnout jiných hodnot vlastností než v povoleném rozsahu.

==Prostředí==

Simulované prostředí abstrahuje pouze jedince pěnkav a potravy. Izoluje je tak od jakýchkoli dalších vlivů, to znamená, že v prostředí nevyskytují žádní predátoři a jediná smrt jedinců nastává z nedostatku potravy. Jediné soupeření je mezi jedinci samotnými. V simulaci je velikost prostředí dána velikostí plochy, kde se jedinci pohybují.

===Semínka===

Hlavním prvkem v prostředí, mimo pěnkav, které jsme již popsali, je potrava v podobě semínek. Ta jsou začátkem každého cyklu generována náhodně v prostředí s odlišnou hodnotou vlastnosti hardness. Ta pochází z normálního rozdělení, jehož střední hodnotu lze nastavit a rozptylu rovnému jedné. Tento jev je odvozen od vlastnosti beak-depth u pěnkav. Výsledkem je, že různí jedinci zvládnou pozřít různou škálu semínek.

====Vlastnosti====

* Hardness – náročnost získání potravy. Porovnává se s vlastností zobáku (<beak-depth)
* Eat-time – odpočitávadlo pro dobu, kterou musí jedinec strávit získáváním potravy (nastavitelné)
* Occupied-by – odkaz na agenta pěnkavy, který právě získává potravu z tohoto zdroje.

=Výsledky=

Díky modelu můžeme pozorovat vývoj vlastností pěnkav při různých specifikách prostředí. Výsledkem jsou jedinci s nejlépe uzpůsobenými vlastnostmi k danému prostředí. Hlavní výstupy tvoří porovnání mezi vývojem vlastností jedinců. V práci si ukážeme několik příkladů, kdy různorodost prostředí vyzdvihuje odlišné vlastnosti. Změny budeme pozorovat mezi 50-100 cykly.

===Základní===

Při základním nastavení parametrů (viz. obr) můžeme již po 60 cyklech pozorovat vývoj vlastností. Populace se ustálila již po několika cyklech v rozmezí 45-55 jedinců. To je způsobeno počtem generované potravy (50) a možnostmi přežití a reprodukce.
Velikost jedinců se změnila, její hodnoty se pohybují dvěma směry. První je nízká (kolem 9 cm), kdy jsou jedinci rychlejší. Druhým směrem jsou větší jedinci (kolem 14cm), kteří mají výhodu velikosti a dokáží vystrnadit menší jedince.
Vlastnost beak-depth zůstala téměř beze změny. Největší zastoupení má střední hodnota 9mm a krajní hodnoty vymizely. To znamená, že v tomto prostředí není zapotřebí výrazné uzpůsobení zobáku potravě.

[[File:Prirodni_selekce_nastav1.png]]
[[File:Prirodni_selekce_vys1.png]]

===Náročné získání potravy===

V tomto scénáři dojde v prostředí k silnému zvýšení náročnosti získání potravy (seeds-hardness-mean). Tato situace jednou nastala i v reálném světě a již při prvních potomcích byl zaznamenán rozdíl v uzpůsobení zobáku. Můžeme předpokládat podobné závěry i v tomto modelu.
Při pozorování této simulace zaznamenáváme zásadní změnu v ustálení populace, nejdříve je náhlý propad, protože umírají jedinci, kteří nejsou schopni získat žádnou potravu. Následně v několika cyklech roste populace, tedy jedinci s lepší vlastností beak-depth se začínají reprodukovat. Po několika dalších cyklech dochází k ustálení opět kolem počtu generovaného jídla.
Zásadní vliv tohoto prostředí pozorujeme ve vlastnosti beak-depth, která se nyní pohybuje kolem 13mm. Můžeme tedy říci, že změna této vlastnost byla kritickou reakcí na změnu v prostředí.
Velikost jedinců se posunula lehce vpravo, jsou tedy o něco větší než původní rozdělní. Tato vlastnost však není signifikantní v tomto prostředí.

[[File:Prirodni_selekce_nastav2.png]]
[[File:Prirodni_selekce_vys2.png]]

===Menší prostředí s pomalým získáváním potravy===

V tomto případě je prostředí menší a získávání potravy pomalejší. Výsledkem je signifikantní změna velikosti, která se dostala na průměr 15,5cm. Populace rostla a ustálila se běžným způsobem jako v základní simulaci. Uzpůsobení zobáku zaznamenalo posun k vyšším hodnotám, ale ne tak velkým jako při druhé simulaci.

[[File:Prirodni_selekce_nastav3.png]]
[[File:Prirodni_selekce_vys3.png]]

=Závěr=

V této práci jsme se zaměřili na studium přírodní selekce u Darwinových pěnkav pomocí simulace v NetLogo. Naším cílem bylo pochopit, jak různé faktory prostředí ovlivňují vlastnosti jedinců, konkrétně velikost a přizpůsobení zobáku, a jak tyto změny vedou k evolučním adaptacím.

Pomocí multiagentní simulace jsme vytvořili model, který umožňuje sledovat dynamiku populace pěnkav v různých prostředích a za různých podmínek. Díky široké škále nastavitelných parametrů jsme mohli izolovat specifické jevy a analyzovat jejich dopady na vývoj vlastností pěnkav.

Na základě výsledků můžeme konstatovat, že se nám podařilo úspěšně simulovat a analyzovat proces přírodní selekce u pěnkav. Naše simulace poskytla cenné vhledy do toho, jak specifické environmentální podmínky ovlivňují evoluční adaptace a jak různé vlastnosti jedinců mohou být selektivně výhodné v různých situacích.

=Kód=

[[Media:NaturalSelection.nlogo]]

=Reference=

Přírodní výběr

2024-06-10T18:05:32Z

Rubo01:

{{DISPLAYTITLE: Simulace přírodního výběru pěnkav}}
'''Název simulace:''' Simulace přírodního výběru pěnkav

'''Autor:''' Rubeš Ondřej, rubo01

'''Modelovací nástroj:''' [https://ccl.northwestern.edu/netlogo/ NetLogo]

Přírodní selekce je základním mechanismem evoluce, který poprvé formuloval Charles Darwin. Tento proces spočívá v tom, že jedinci s vlastnostmi, které jim umožňují lépe se přizpůsobit svému prostředí, mají větší šanci přežít a rozmnožit se. Charles Darwin popsal tři základní principy, které se uplatňují. První říká, že potomci dědí své vlastnosti od svých rodičů. Druhý, že se rodí více jedinců, než přežije. To znamená, že prostředí má omezené zdroje. A třetí, který tvrdí, že potomci se mezi sebou svými vlastnostmi liší. To vede k postupné změně genetického složení populace, protože příznivé vlastnosti se stávají běžnějšími v následujících generacích. Přírodní selekce je tedy klíčovým faktorem v adaptaci organismů na měnící se podmínky prostředí.

=Definice problému=

Tato simulace se zaměřuje na studium přírodní selekce, konkrétně u pěnkav, známých také jako Darwinovy pěnkavy. Cílem je pochopit, jak různé faktory prostředí mohou ovlivňovat různé vlastnosti a charakteristiky jedinců, kteří se v prostředí vyskytují.

=Metoda=

Za nejvhodnější metodu modelování považuji multiagentní simulaci, protože v práci využíváme jedinců, kteří působí ve specifickém prostředí. V tomto prostředí interagují s ostatními jedinci, ale také s prostředím samotným.

=Model=

Model je abstrakcí reálného světa. Jelikož ne všechny významné rysy pěnkav mají vliv ve specifickém a izolovaném prostředí, budeme se zaobírat pouze těmi, které napomáhají přežití v tomto prostředí. Identifikoval jsem dvě vlastnosti, jejichž vývoj budeme zkoumat, tedy velikost jedince a přizpůsobení zobáku. Další charakterové rysy pěnkav jsou například: zbarvení, zpěv a vokalizace, hnízdění apod.
Jedinci a prostředí mají poměrně rozsáhlé možnosti nastavení. Díky tomu lze specificky izolovat zkoumané jevy.

==Nastavitelné parametry modelu==

* Evolve-largeness – určuje, zdali se bude při reprodukci pěnkav adaptovat jejich velikost. (true/false)
* Evolve-beak-depth – určuje, zdali se bude při reprodukci pěnkav adaptovat jejich zobák. (true/false)
* Finches – původní počet pěnkav v simulaci (5 – world-size * 2)
* Birds-vision-radius – dohled pěnkav kolem sebe (5 – world-size)
* Must-by-larger-by-percent – koeficient, který určuje o kolik procent musí být jedince větší, aby mohl vyhnat od potravy jedince menšího. (10–100)
* Evolution-koeficient – hodnota určuje rozsah možných změn jedinců oproti jeho rodičům. (0.1-1)
* Food – určuje počet potravy v prostředí (2- finches * 1.5)
* Eat-time-ticks – určuje počet ticků, na který se musí jedinec zastavit, aby spořádal potravu (10-100)
* Seeds-hardness-mean – střední hodnota vlastnosti hardness generované potravy (6-12)
* World-size – velikost prostředí (32-44)
* Cycle-lenght – maximální doba jednoho cyklu v počtech ticků (500–1000)

[[File:Prirodni_selekce_parametry.png]]

==Agenti – pěnkavy==

Hlavními aktéry simulace jsou pěnkavy, které se snaží přežít ve specifickém prostředí. Pěnkavy mají různé vlastnosti a úkony, které provádějí.

===Pozice===

Základní pozice pěnkav se určuje vždy na začátku cyklu a jsou rozmístěny náhodně po obvodu plochy, která představuje simulované prostřední. V případě, že se pěnkavě podařilo sehnat dostatek potravy, vrací se na původní pozici, než skončí cyklus.

===Vlastnost===

* start-x – souřadnice x začínajícího pole, slouží k vrácení na začátek, pokud jedinec sehnal dostatek potravy. Je určena náhodně na začátku cyklu.
* start-y – souřadnice y začínajícího pole, slouží k vrácení na začátek, pokud jedinec sehnal dostatek potravy. Je určena náhodně na začátku cyklu.
* target – cílová potrava, za kterou pták letí. V průběhu cyklu se mění a určuje se pomocí funkce hledání potravy.
* speed – rychlost kterou se pohybuje jedinec, je dáno koeficientem 0.7 – jeho velikostí / 100. Čím je jedinec větší, tím větší váhu nese a je o to pomalejší. Samotná rychlost nemá tak významný rozdíl, a jelikož se jedná o stejný typ ptactva, můžeme tuto vlastnost počítat zmíněným způsobem.
* eaten-seeds – počet zajištěné potravy v cyklu, důležité pro konečnou fázi cyklu. Základem je hodnota nastavena na 0.
* find-delay – pozastavení hledání na krátkou dobu (10 ticků), pokud je jedinec vystrnaděn z od potravy.
* beak-depth – vlastnost zobáku jedince, pohybuje se v rozmezí 6-14mm a určuje, kterou potravu je schopen sníst. Základní hodnota je náhodná z normálního rozdělení se střední hodnotou 9 a rozptylem 1.2.
* largeness – velikost jedince, figuruje v možnosti odehnat jiné jedince od potravy (10-27cm) a rychlosti pohybu. Základní hodnota je náhodná z rozmezí 10-15cm.
* Zbarvení – měníme v závislosti na počtu nalezené potravy (0 = zelená, 1 = modrá, 2 = červená)

===Pohyb===

Pohyb v simulaci je odlišný v závislosti na několika jevech. Jedním z typů pohybu je náhodné hledání. Pěnkava se pohybuje v prostředí zcela náhodně, dokud nenalezne potravu. V případě, že má aktivní cíl (target), pohybuje se přímo k němu. Posledním případem je, když sehnala dostatek potravy a vrací se na startovní pozici. V takovém případě se pohybuje přímo na ni. Jelikož se pěnkavy pohybují vzduchem, nejsou zde řešeny kolize jedinců.

===Hledání potravy===

Při náhodném pohybu zároveň probíhá vyhledávání potravy. To je pomocí jednoduché funkce, která v okolí jedince, dle nastavení, hledá potravu, kterou je schopen sníst a která není zabraná nebo je zabrána menším jedincem, kterého lze vystrnadit. I tuto skutečnost lze modifikovat. Jedinec hledá potravu, dokud se nenasytí dvěma kusy.

===Vystrnadění slabšího===

Jelikož v simulaci izolujeme pouze stejný druh ptactva, řešíme souboj o potravu prostřednictvím velikosti jedinců, kde větší jedinec vyhrává. Protože nelze přesně stanovit, jak velký velikostní rozdíl musí být mezi jedinci, aby k tomu došlo, je tato vlastnost nastavitelná. V příkladu to znamená, že když se k jednomu zdroji potravy sletí více jedinců, zůstane potrava tomu největšímu a nejrychlejšímu. Dalším případem je, když při hledání potravy uvidím zdroj potravy okupován slabším jedincem. V tomto případě jej považuji za volné, protože ho lze vyhnat.

===Ukončení cyklu===

Existuje několik podmínek, které končí jeden cyklus simulace.
* V prostředí se nenachází žádná potrava
* Všichni jedinci jsou již plně najedení
* Proběhl nastavitelný počet ticků potřebný k ukončení cyklu
Na konci cyklu jedinci umírají v případě, že nesehnaly žádnou potravu. Přežívají, pokud sehnaly alespoň jednu a rozmnožují se, pokud získali dvě. Zároveň se resetuje vlastnost eaten-seeds na její původní hodnotu.

===Reprodukce===

Pokud se pěnkavě povedlo získat více potravy (2) tak je schopna reprodukce. Je vytvořen nový jedinec a jeho vlastnosti odvozeny od rodiče. V zjednodušeném světě má potomek pouze jednoho rodiče. Zároveň je provedena modifikace zkoumaných atributů. Nelze však dosáhnout jiných hodnot vlastností než v povoleném rozsahu.

==Prostředí==

Simulované prostředí abstrahuje pouze jedince pěnkav a potravy. Izoluje je tak od jakýchkoli dalších vlivů, to znamená, že v prostředí nevyskytují žádní predátoři a jediná smrt jedinců nastává z nedostatku potravy. Jediné soupeření je mezi jedinci samotnými. V simulaci je velikost prostředí dána velikostí plochy, kde se jedinci pohybují.

===Semínka===

Hlavním prvkem v prostředí, mimo pěnkav, které jsme již popsali, je potrava v podobě semínek. Ta jsou začátkem každého cyklu generována náhodně v prostředí s odlišnou hodnotou vlastnosti hardness. Ta pochází z normálního rozdělení, jehož střední hodnotu lze nastavit a rozptylu rovnému jedné. Tento jev je odvozen od vlastnosti beak-depth u pěnkav. Výsledkem je, že různí jedinci zvládnou pozřít různou škálu semínek.

====Vlastnosti====

* Hardness – náročnost získání potravy. Porovnává se s vlastností zobáku (<beak-depth)
* Eat-time – odpočitávadlo pro dobu, kterou musí jedinec strávit získáváním potravy (nastavitelné)
* Occupied-by – odkaz na agenta pěnkavy, který právě získává potravu z tohoto zdroje.

=Výsledky=

Díky modelu můžeme pozorovat vývoj vlastností pěnkav při různých specifikách prostředí. Výsledkem jsou jedinci s nejlépe uzpůsobenými vlastnostmi k danému prostředí. Hlavní výstupy tvoří porovnání mezi vývojem vlastností jedinců. V práci si ukážeme několik příkladů, kdy různorodost prostředí vyzdvihuje odlišné vlastnosti. Změny budeme pozorovat mezi 50-100 cykly.

===Základní===

Při základním nastavení parametrů (viz. obr) můžeme již po 60 cyklech pozorovat vývoj vlastností. Populace se ustálila již po několika cyklech v rozmezí 45-55 jedinců. To je způsobeno počtem generované potravy (50) a možnostmi přežití a reprodukce.
Velikost jedinců se změnila, její hodnoty se pohybují dvěma směry. První je nízká (kolem 9 cm), kdy jsou jedinci rychlejší. Druhým směrem jsou větší jedinci (kolem 14cm), kteří mají výhodu velikosti a dokáží vystrnadit menší jedince.
Vlastnost beak-depth zůstala téměř beze změny. Největší zastoupení má střední hodnota 9mm a krajní hodnoty vymizely. To znamená, že v tomto prostředí není zapotřebí výrazné uzpůsobení zobáku potravě.

[[File:Prirodni_selekce_nastav1.png]]
[[File:Prirodni_selekce_vys1.png]]

===Náročné získání potravy===

V tomto scénáři dojde v prostředí k silnému zvýšení náročnosti získání potravy (seeds-hardness-mean). Tato situace jednou nastala i v reálném světě a již při prvních potomcích byl zaznamenán rozdíl v uzpůsobení zobáku. Můžeme předpokládat podobné závěry i v tomto modelu.
Při pozorování této simulace zaznamenáváme zásadní změnu v ustálení populace, nejdříve je náhlý propad, protože umírají jedinci, kteří nejsou schopni získat žádnou potravu. Následně v několika cyklech roste populace, tedy jedinci s lepší vlastností beak-depth se začínají reprodukovat. Po několika dalších cyklech dochází k ustálení opět kolem počtu generovaného jídla.
Zásadní vliv tohoto prostředí pozorujeme ve vlastnosti beak-depth, která se nyní pohybuje kolem 13mm. Můžeme tedy říci, že změna této vlastnost byla kritickou reakcí na změnu v prostředí.
Velikost jedinců se posunula lehce vpravo, jsou tedy o něco větší než původní rozdělní. Tato vlastnost však není signifikantní v tomto prostředí.

[[File:Prirodni_selekce_nastav2.png]]
[[File:Prirodni_selekce_vys2.png]]

===Menší prostředí s pomalým získáváním potravy===

V tomto případě je prostředí menší a získávání potravy pomalejší. Výsledkem je signifikantní změna velikosti, která se dostala na průměr 15,5cm. Populace rostla a ustálila se běžným způsobem jako v základní simulaci. Uzpůsobení zobáku zaznamenalo posun k vyšším hodnotám, ale ne tak velkým jako při druhé simulaci.

[[File:Prirodni_selekce_nastav3.png]]
[[File:Prirodni_selekce_vys3.png]]

=Závěr=

V této práci jsme se zaměřili na studium přírodní selekce u Darwinových pěnkav pomocí simulace v NetLogo. Naším cílem bylo pochopit, jak různé faktory prostředí ovlivňují vlastnosti jedinců, konkrétně velikost a přizpůsobení zobáku, a jak tyto změny vedou k evolučním adaptacím.

Pomocí multiagentní simulace jsme vytvořili model, který umožňuje sledovat dynamiku populace pěnkav v různých prostředích a za různých podmínek. Díky široké škále nastavitelných parametrů jsme mohli izolovat specifické jevy a analyzovat jejich dopady na vývoj vlastností pěnkav.

Na základě výsledků můžeme konstatovat, že se nám podařilo úspěšně simulovat a analyzovat proces přírodní selekce u pěnkav. Naše simulace poskytla cenné vhledy do toho, jak specifické environmentální podmínky ovlivňují evoluční adaptace a jak různé vlastnosti jedinců mohou být selektivně výhodné v různých situacích.

=Reference=

=Kód=

[[Media:NaturalSelection.nlogo]]

File:Prirodni selekce vys3.png

2024-06-10T18:03:12Z

Rubo01:

File:Prirodni selekce vys2.png

2024-06-10T18:02:57Z

Rubo01:

File:Prirodni selekce vys1.png

2024-06-10T18:02:48Z

Rubo01:

File:Prirodni selekce nastav3.png

2024-06-10T18:02:37Z

Rubo01:

File:Prirodni selekce nastav2.png

2024-06-10T18:02:27Z

Rubo01:

File:Prirodni selekce nastav1.png

2024-06-10T18:02:16Z

Rubo01:

Přírodní výběr

2024-06-10T17:58:05Z

Rubo01:

{{DISPLAYTITLE: Simulace přírodního výběru pěnkav}}
'''Název simulace:''' Simulace přírodního výběru pěnkav

'''Autor:''' Rubeš Ondřej, rubo01

'''Modelovací nástroj:''' [https://ccl.northwestern.edu/netlogo/ NetLogo]

Přírodní selekce je základním mechanismem evoluce, který poprvé formuloval Charles Darwin. Tento proces spočívá v tom, že jedinci s vlastnostmi, které jim umožňují lépe se přizpůsobit svému prostředí, mají větší šanci přežít a rozmnožit se. Charles Darwin popsal tři základní principy, které se uplatňují. První říká, že potomci dědí své vlastnosti od svých rodičů. Druhý, že se rodí více jedinců, než přežije. To znamená, že prostředí má omezené zdroje. A třetí, který tvrdí, že potomci se mezi sebou svými vlastnostmi liší. To vede k postupné změně genetického složení populace, protože příznivé vlastnosti se stávají běžnějšími v následujících generacích. Přírodní selekce je tedy klíčovým faktorem v adaptaci organismů na měnící se podmínky prostředí.

=Definice problému=

Tato simulace se zaměřuje na studium přírodní selekce, konkrétně u pěnkav, známých také jako Darwinovy pěnkavy. Cílem je pochopit, jak různé faktory prostředí mohou ovlivňovat různé vlastnosti a charakteristiky jedinců, kteří se v prostředí vyskytují.

=Metoda=

Za nejvhodnější metodu modelování považuji multiagentní simulaci, protože v práci využíváme jedinců, kteří působí ve specifickém prostředí. V tomto prostředí interagují s ostatními jedinci, ale také s prostředím samotným.

=Model=

Model je abstrakcí reálného světa. Jelikož ne všechny významné rysy pěnkav mají vliv ve specifickém a izolovaném prostředí, budeme se zaobírat pouze těmi, které napomáhají přežití v tomto prostředí. Identifikoval jsem dvě vlastnosti, jejichž vývoj budeme zkoumat, tedy velikost jedince a přizpůsobení zobáku. Další charakterové rysy pěnkav jsou například: zbarvení, zpěv a vokalizace, hnízdění apod.
Jedinci a prostředí mají poměrně rozsáhlé možnosti nastavení. Díky tomu lze specificky izolovat zkoumané jevy.

==Nastavitelné parametry modelu==

* Evolve-largeness – určuje, zdali se bude při reprodukci pěnkav adaptovat jejich velikost. (true/false)
* Evolve-beak-depth – určuje, zdali se bude při reprodukci pěnkav adaptovat jejich zobák. (true/false)
* Finches – původní počet pěnkav v simulaci (5 – world-size * 2)
* Birds-vision-radius – dohled pěnkav kolem sebe (5 – world-size)
* Must-by-larger-by-percent – koeficient, který určuje o kolik procent musí být jedince větší, aby mohl vyhnat od potravy jedince menšího. (10–100)
* Evolution-koeficient – hodnota určuje rozsah možných změn jedinců oproti jeho rodičům. (0.1-1)
* Food – určuje počet potravy v prostředí (2- finches * 1.5)
* Eat-time-ticks – určuje počet ticků, na který se musí jedinec zastavit, aby spořádal potravu (10-100)
* Seeds-hardness-mean – střední hodnota vlastnosti hardness generované potravy (6-12)
* World-size – velikost prostředí (32-44)
* Cycle-lenght – maximální doba jednoho cyklu v počtech ticků (500–1000)

[[File:Prirodni_selekce_parametry.png]]

==Agenti – pěnkavy==

Hlavními aktéry simulace jsou pěnkavy, které se snaží přežít ve specifickém prostředí. Pěnkavy mají různé vlastnosti a úkony, které provádějí.

===Pozice===

Základní pozice pěnkav se určuje vždy na začátku cyklu a jsou rozmístěny náhodně po obvodu plochy, která představuje simulované prostřední. V případě, že se pěnkavě podařilo sehnat dostatek potravy, vrací se na původní pozici, než skončí cyklus.

===Vlastnost===

* start-x – souřadnice x začínajícího pole, slouží k vrácení na začátek, pokud jedinec sehnal dostatek potravy. Je určena náhodně na začátku cyklu.
* start-y – souřadnice y začínajícího pole, slouží k vrácení na začátek, pokud jedinec sehnal dostatek potravy. Je určena náhodně na začátku cyklu.
* target – cílová potrava, za kterou pták letí. V průběhu cyklu se mění a určuje se pomocí funkce hledání potravy.
* speed – rychlost kterou se pohybuje jedinec, je dáno koeficientem 0.7 – jeho velikostí / 100. Čím je jedinec větší, tím větší váhu nese a je o to pomalejší. Samotná rychlost nemá tak významný rozdíl, a jelikož se jedná o stejný typ ptactva, můžeme tuto vlastnost počítat zmíněným způsobem.
* eaten-seeds – počet zajištěné potravy v cyklu, důležité pro konečnou fázi cyklu. Základem je hodnota nastavena na 0.
* find-delay – pozastavení hledání na krátkou dobu (10 ticků), pokud je jedinec vystrnaděn z od potravy.
* beak-depth – vlastnost zobáku jedince, pohybuje se v rozmezí 6-14mm a určuje, kterou potravu je schopen sníst. Základní hodnota je náhodná z normálního rozdělení se střední hodnotou 9 a rozptylem 1.2.
* largeness – velikost jedince, figuruje v možnosti odehnat jiné jedince od potravy (10-27cm) a rychlosti pohybu. Základní hodnota je náhodná z rozmezí 10-15cm.
* Zbarvení – měníme v závislosti na počtu nalezené potravy (0 = zelená, 1 = modrá, 2 = červená)

===Pohyb===

Pohyb v simulaci je odlišný v závislosti na několika jevech. Jedním z typů pohybu je náhodné hledání. Pěnkava se pohybuje v prostředí zcela náhodně, dokud nenalezne potravu. V případě, že má aktivní cíl (target), pohybuje se přímo k němu. Posledním případem je, když sehnala dostatek potravy a vrací se na startovní pozici. V takovém případě se pohybuje přímo na ni. Jelikož se pěnkavy pohybují vzduchem, nejsou zde řešeny kolize jedinců.

===Hledání potravy===

Při náhodném pohybu zároveň probíhá vyhledávání potravy. To je pomocí jednoduché funkce, která v okolí jedince, dle nastavení, hledá potravu, kterou je schopen sníst a která není zabraná nebo je zabrána menším jedincem, kterého lze vystrnadit. I tuto skutečnost lze modifikovat. Jedinec hledá potravu, dokud se nenasytí dvěma kusy.

===Vystrnadění slabšího===

Jelikož v simulaci izolujeme pouze stejný druh ptactva, řešíme souboj o potravu prostřednictvím velikosti jedinců, kde větší jedinec vyhrává. Protože nelze přesně stanovit, jak velký velikostní rozdíl musí být mezi jedinci, aby k tomu došlo, je tato vlastnost nastavitelná. V příkladu to znamená, že když se k jednomu zdroji potravy sletí více jedinců, zůstane potrava tomu největšímu a nejrychlejšímu. Dalším případem je, když při hledání potravy uvidím zdroj potravy okupován slabším jedincem. V tomto případě jej považuji za volné, protože ho lze vyhnat.

===Ukončení cyklu===

Existuje několik podmínek, které končí jeden cyklus simulace.
* V prostředí se nenachází žádná potrava
* Všichni jedinci jsou již plně najedení
* Proběhl nastavitelný počet ticků potřebný k ukončení cyklu
Na konci cyklu jedinci umírají v případě, že nesehnaly žádnou potravu. Přežívají, pokud sehnaly alespoň jednu a rozmnožují se, pokud získali dvě. Zároveň se resetuje vlastnost eaten-seeds na její původní hodnotu.

===Reprodukce===

Pokud se pěnkavě povedlo získat více potravy (2) tak je schopna reprodukce. Je vytvořen nový jedinec a jeho vlastnosti odvozeny od rodiče. V zjednodušeném světě má potomek pouze jednoho rodiče. Zároveň je provedena modifikace zkoumaných atributů. Nelze však dosáhnout jiných hodnot vlastností než v povoleném rozsahu.

==Prostředí==

Simulované prostředí abstrahuje pouze jedince pěnkav a potravy. Izoluje je tak od jakýchkoli dalších vlivů, to znamená, že v prostředí nevyskytují žádní predátoři a jediná smrt jedinců nastává z nedostatku potravy. Jediné soupeření je mezi jedinci samotnými. V simulaci je velikost prostředí dána velikostí plochy, kde se jedinci pohybují.

===Semínka===

Hlavním prvkem v prostředí, mimo pěnkav, které jsme již popsali, je potrava v podobě semínek. Ta jsou začátkem každého cyklu generována náhodně v prostředí s odlišnou hodnotou vlastnosti hardness. Ta pochází z normálního rozdělení, jehož střední hodnotu lze nastavit a rozptylu rovnému jedné. Tento jev je odvozen od vlastnosti beak-depth u pěnkav. Výsledkem je, že různí jedinci zvládnou pozřít různou škálu semínek.

====Vlastnosti====

* Hardness – náročnost získání potravy. Porovnává se s vlastností zobáku (<beak-depth)
* Eat-time – odpočitávadlo pro dobu, kterou musí jedinec strávit získáváním potravy (nastavitelné)
* Occupied-by – odkaz na agenta pěnkavy, který právě získává potravu z tohoto zdroje.

=Výsledky=

Díky modelu můžeme pozorovat vývoj vlastností pěnkav při různých specifikách prostředí. Výsledkem jsou jedinci s nejlépe uzpůsobenými vlastnostmi k danému prostředí. Hlavní výstupy tvoří porovnání mezi vývojem vlastností jedinců. V práci si ukážeme několik příkladů, kdy různorodost prostředí vyzdvihuje odlišné vlastnosti. Změny budeme pozorovat mezi 50-100 cykly.

===Základní===

Při základním nastavení parametrů (viz. obr) můžeme již po 60 cyklech pozorovat vývoj vlastností. Populace se ustálila již po několika cyklech v rozmezí 45-55 jedinců. To je způsobeno počtem generované potravy (50) a možnostmi přežití a reprodukce.
Velikost jedinců se změnila, její hodnoty se pohybují dvěma směry. První je nízká (kolem 9 cm), kdy jsou jedinci rychlejší. Druhým směrem jsou větší jedinci (kolem 14cm), kteří mají výhodu velikosti a dokáží vystrnadit menší jedince.
Vlastnost beak-depth zůstala téměř beze změny. Největší zastoupení má střední hodnota 9mm a krajní hodnoty vymizely. To znamená, že v tomto prostředí není zapotřebí výrazné uzpůsobení zobáku potravě.

===Náročné získání potravy===

V tomto scénáři dojde v prostředí k silnému zvýšení náročnosti získání potravy (seeds-hardness-mean). Tato situace jednou nastala i v reálném světě a již při prvních potomcích byl zaznamenán rozdíl v uzpůsobení zobáku. Můžeme předpokládat podobné závěry i v tomto modelu.
Při pozorování této simulace zaznamenáváme zásadní změnu v ustálení populace, nejdříve je náhlý propad, protože umírají jedinci, kteří nejsou schopni získat žádnou potravu. Následně v několika cyklech roste populace, tedy jedinci s lepší vlastností beak-depth se začínají reprodukovat. Po několika dalších cyklech dochází k ustálení opět kolem počtu generovaného jídla.
Zásadní vliv tohoto prostředí pozorujeme ve vlastnosti beak-depth, která se nyní pohybuje kolem 13mm. Můžeme tedy říci, že změna této vlastnost byla kritickou reakcí na změnu v prostředí.
Velikost jedinců se posunula lehce vpravo, jsou tedy o něco větší než původní rozdělní. Tato vlastnost však není signifikantní v tomto prostředí.

===Menší prostředí s pomalým získáváním potravy===

V tomto případě je prostředí menší a získávání potravy pomalejší. Výsledkem je signifikantní změna velikosti, která se dostala na průměr 15,5cm. Populace rostla a ustálila se běžným způsobem jako v základní simulaci. Uzpůsobení zobáku zaznamenalo posun k vyšším hodnotám, ale ne tak velkým jako při druhé simulaci.

=Závěr=

V této práci jsme se zaměřili na studium přírodní selekce u Darwinových pěnkav pomocí simulace v NetLogo. Naším cílem bylo pochopit, jak různé faktory prostředí ovlivňují vlastnosti jedinců, konkrétně velikost a přizpůsobení zobáku, a jak tyto změny vedou k evolučním adaptacím.

Pomocí multiagentní simulace jsme vytvořili model, který umožňuje sledovat dynamiku populace pěnkav v různých prostředích a za různých podmínek. Díky široké škále nastavitelných parametrů jsme mohli izolovat specifické jevy a analyzovat jejich dopady na vývoj vlastností pěnkav.

Na základě výsledků můžeme konstatovat, že se nám podařilo úspěšně simulovat a analyzovat proces přírodní selekce u pěnkav. Naše simulace poskytla cenné vhledy do toho, jak specifické environmentální podmínky ovlivňují evoluční adaptace a jak různé vlastnosti jedinců mohou být selektivně výhodné v různých situacích.

=Reference=

=Kód=

[[Media:NaturalSelection.nlogo]]

File:NaturalSelection.nlogo

2024-06-10T17:57:11Z

Rubo01:

LS 2023/2024

2024-06-10T17:55:58Z

Rubo01:

{{DISPLAYTITLE:LS 2023/2024}}

Semestrální práce (simulace) z letního semestru 2023/202. Sem přidejte odkaz na stránku s Vaší prací.
Nejprve je třeba nechat schválit [[Assignment SS 2023/2024/cs|zadání práce]].

=Vypracovaná témata LS 2023/2024=

* [https://www.simulace.info/index.php/SnakeEvolution Simulácia evolúcie neurónovej siete, ktorej cieľom je naučiť sa hrať klasickú hru Snake (Python) ] - Michal Štefaňák

* [https://www.simulace.info/index.php/Simulace_přestupu_stanice_metra_Můstek Simulace přestupu stanice metra Můstek (netlogo)] - Dmitry Belov

* [https://www.simulace.info/index.php/Dopad_války_na_sklizeň_obilnin_a_luskovin_na_Ukrajině Dopad války na sklizeň obilnin a luskovin na Ukrajině (Vensim)] - Yuliia Potip

* [https://www.simulace.info/index.php/Simulace_v%C3%BDvoje_alkoholismu_a_jeho_vlivu_na_kriminalitu_(Vensim) Simulace vývoje alkoholismu a jeho vlivu na kriminalitu (Vensim) ] - Barbora Lacinová

* [https://www.simulace.info/index.php/Simulácia:_predikcia_počtu_obyvateľov_Slovenskej_republiky Simulácia predikcie počtu obyvateľov Slovenskej republiky] - Šimon Kavický

* [https://www.simulace.info/index.php/Simulace_implementace_SW_projektu_pro_potreby_PM Simulace implementace SW projektu pro potřeby projektového řízení] - Lucie Pavlová

* [https://www.simulace.info/index.php/P%C5%99%C3%ADrodn%C3%AD_v%C3%BDb%C4%9Br Simulace přírodního výběru pěnkav] - Ondřej Rubeš

Přírodní výběr

2024-06-10T17:53:41Z

Rubo01:

{{DISPLAYTITLE: Simulace přírodního výběru pěnkav}}
'''Název simulace:''' Simulace přírodního výběru pěnkav

'''Autor:''' Rubeš Ondřej, rubo01

'''Modelovací nástroj:''' [https://ccl.northwestern.edu/netlogo/ NetLogo]

Přírodní selekce je základním mechanismem evoluce, který poprvé formuloval Charles Darwin. Tento proces spočívá v tom, že jedinci s vlastnostmi, které jim umožňují lépe se přizpůsobit svému prostředí, mají větší šanci přežít a rozmnožit se. Charles Darwin popsal tři základní principy, které se uplatňují. První říká, že potomci dědí své vlastnosti od svých rodičů. Druhý, že se rodí více jedinců, než přežije. To znamená, že prostředí má omezené zdroje. A třetí, který tvrdí, že potomci se mezi sebou svými vlastnostmi liší. To vede k postupné změně genetického složení populace, protože příznivé vlastnosti se stávají běžnějšími v následujících generacích. Přírodní selekce je tedy klíčovým faktorem v adaptaci organismů na měnící se podmínky prostředí.

=Definice problému=

Tato simulace se zaměřuje na studium přírodní selekce, konkrétně u pěnkav, známých také jako Darwinovy pěnkavy. Cílem je pochopit, jak různé faktory prostředí mohou ovlivňovat různé vlastnosti a charakteristiky jedinců, kteří se v prostředí vyskytují.

=Metoda=

Za nejvhodnější metodu modelování považuji multiagentní simulaci, protože v práci využíváme jedinců, kteří působí ve specifickém prostředí. V tomto prostředí interagují s ostatními jedinci, ale také s prostředím samotným.

=Model=

Model je abstrakcí reálného světa. Jelikož ne všechny významné rysy pěnkav mají vliv ve specifickém a izolovaném prostředí, budeme se zaobírat pouze těmi, které napomáhají přežití v tomto prostředí. Identifikoval jsem dvě vlastnosti, jejichž vývoj budeme zkoumat, tedy velikost jedince a přizpůsobení zobáku. Další charakterové rysy pěnkav jsou například: zbarvení, zpěv a vokalizace, hnízdění apod.
Jedinci a prostředí mají poměrně rozsáhlé možnosti nastavení. Díky tomu lze specificky izolovat zkoumané jevy.

==Nastavitelné parametry modelu==

* Evolve-largeness – určuje, zdali se bude při reprodukci pěnkav adaptovat jejich velikost. (true/false)
* Evolve-beak-depth – určuje, zdali se bude při reprodukci pěnkav adaptovat jejich zobák. (true/false)
* Finches – původní počet pěnkav v simulaci (5 – world-size * 2)
* Birds-vision-radius – dohled pěnkav kolem sebe (5 – world-size)
* Must-by-larger-by-percent – koeficient, který určuje o kolik procent musí být jedince větší, aby mohl vyhnat od potravy jedince menšího. (10–100)
* Evolution-koeficient – hodnota určuje rozsah možných změn jedinců oproti jeho rodičům. (0.1-1)
* Food – určuje počet potravy v prostředí (2- finches * 1.5)
* Eat-time-ticks – určuje počet ticků, na který se musí jedinec zastavit, aby spořádal potravu (10-100)
* Seeds-hardness-mean – střední hodnota vlastnosti hardness generované potravy (6-12)
* World-size – velikost prostředí (32-44)
* Cycle-lenght – maximální doba jednoho cyklu v počtech ticků (500–1000)

[[File:Prirodni_selekce_parametry.png]]

==Agenti – pěnkavy==

Hlavními aktéry simulace jsou pěnkavy, které se snaží přežít ve specifickém prostředí. Pěnkavy mají různé vlastnosti a úkony, které provádějí.

===Pozice===

Základní pozice pěnkav se určuje vždy na začátku cyklu a jsou rozmístěny náhodně po obvodu plochy, která představuje simulované prostřední. V případě, že se pěnkavě podařilo sehnat dostatek potravy, vrací se na původní pozici, než skončí cyklus.

===Vlastnost===

* start-x – souřadnice x začínajícího pole, slouží k vrácení na začátek, pokud jedinec sehnal dostatek potravy. Je určena náhodně na začátku cyklu.
* start-y – souřadnice y začínajícího pole, slouží k vrácení na začátek, pokud jedinec sehnal dostatek potravy. Je určena náhodně na začátku cyklu.
* target – cílová potrava, za kterou pták letí. V průběhu cyklu se mění a určuje se pomocí funkce hledání potravy.
* speed – rychlost kterou se pohybuje jedinec, je dáno koeficientem 0.7 – jeho velikostí / 100. Čím je jedinec větší, tím větší váhu nese a je o to pomalejší. Samotná rychlost nemá tak významný rozdíl, a jelikož se jedná o stejný typ ptactva, můžeme tuto vlastnost počítat zmíněným způsobem.
* eaten-seeds – počet zajištěné potravy v cyklu, důležité pro konečnou fázi cyklu. Základem je hodnota nastavena na 0.
* find-delay – pozastavení hledání na krátkou dobu (10 ticků), pokud je jedinec vystrnaděn z od potravy.
* beak-depth – vlastnost zobáku jedince, pohybuje se v rozmezí 6-14mm a určuje, kterou potravu je schopen sníst. Základní hodnota je náhodná z normálního rozdělení se střední hodnotou 9 a rozptylem 1.2.
* largeness – velikost jedince, figuruje v možnosti odehnat jiné jedince od potravy (10-27cm) a rychlosti pohybu. Základní hodnota je náhodná z rozmezí 10-15cm.
* Zbarvení – měníme v závislosti na počtu nalezené potravy (0 = zelená, 1 = modrá, 2 = červená)

===Pohyb===

Pohyb v simulaci je odlišný v závislosti na několika jevech. Jedním z typů pohybu je náhodné hledání. Pěnkava se pohybuje v prostředí zcela náhodně, dokud nenalezne potravu. V případě, že má aktivní cíl (target), pohybuje se přímo k němu. Posledním případem je, když sehnala dostatek potravy a vrací se na startovní pozici. V takovém případě se pohybuje přímo na ni. Jelikož se pěnkavy pohybují vzduchem, nejsou zde řešeny kolize jedinců.

===Hledání potravy===

Při náhodném pohybu zároveň probíhá vyhledávání potravy. To je pomocí jednoduché funkce, která v okolí jedince, dle nastavení, hledá potravu, kterou je schopen sníst a která není zabraná nebo je zabrána menším jedincem, kterého lze vystrnadit. I tuto skutečnost lze modifikovat. Jedinec hledá potravu, dokud se nenasytí dvěma kusy.

===Vystrnadění slabšího===

Jelikož v simulaci izolujeme pouze stejný druh ptactva, řešíme souboj o potravu prostřednictvím velikosti jedinců, kde větší jedinec vyhrává. Protože nelze přesně stanovit, jak velký velikostní rozdíl musí být mezi jedinci, aby k tomu došlo, je tato vlastnost nastavitelná. V příkladu to znamená, že když se k jednomu zdroji potravy sletí více jedinců, zůstane potrava tomu největšímu a nejrychlejšímu. Dalším případem je, když při hledání potravy uvidím zdroj potravy okupován slabším jedincem. V tomto případě jej považuji za volné, protože ho lze vyhnat.

===Ukončení cyklu===

Existuje několik podmínek, které končí jeden cyklus simulace.
* V prostředí se nenachází žádná potrava
* Všichni jedinci jsou již plně najedení
* Proběhl nastavitelný počet ticků potřebný k ukončení cyklu
Na konci cyklu jedinci umírají v případě, že nesehnaly žádnou potravu. Přežívají, pokud sehnaly alespoň jednu a rozmnožují se, pokud získali dvě. Zároveň se resetuje vlastnost eaten-seeds na její původní hodnotu.

===Reprodukce===

Pokud se pěnkavě povedlo získat více potravy (2) tak je schopna reprodukce. Je vytvořen nový jedinec a jeho vlastnosti odvozeny od rodiče. V zjednodušeném světě má potomek pouze jednoho rodiče. Zároveň je provedena modifikace zkoumaných atributů. Nelze však dosáhnout jiných hodnot vlastností než v povoleném rozsahu.

==Prostředí==

Simulované prostředí abstrahuje pouze jedince pěnkav a potravy. Izoluje je tak od jakýchkoli dalších vlivů, to znamená, že v prostředí nevyskytují žádní predátoři a jediná smrt jedinců nastává z nedostatku potravy. Jediné soupeření je mezi jedinci samotnými. V simulaci je velikost prostředí dána velikostí plochy, kde se jedinci pohybují.

===Semínka===

Hlavním prvkem v prostředí, mimo pěnkav, které jsme již popsali, je potrava v podobě semínek. Ta jsou začátkem každého cyklu generována náhodně v prostředí s odlišnou hodnotou vlastnosti hardness. Ta pochází z normálního rozdělení, jehož střední hodnotu lze nastavit a rozptylu rovnému jedné. Tento jev je odvozen od vlastnosti beak-depth u pěnkav. Výsledkem je, že různí jedinci zvládnou pozřít různou škálu semínek.

====Vlastnosti====

* Hardness – náročnost získání potravy. Porovnává se s vlastností zobáku (<beak-depth)
* Eat-time – odpočitávadlo pro dobu, kterou musí jedinec strávit získáváním potravy (nastavitelné)
* Occupied-by – odkaz na agenta pěnkavy, který právě získává potravu z tohoto zdroje.

=Výsledky=

Díky modelu můžeme pozorovat vývoj vlastností pěnkav při různých specifikách prostředí. Výsledkem jsou jedinci s nejlépe uzpůsobenými vlastnostmi k danému prostředí. Hlavní výstupy tvoří porovnání mezi vývojem vlastností jedinců. V práci si ukážeme několik příkladů, kdy různorodost prostředí vyzdvihuje odlišné vlastnosti. Změny budeme pozorovat mezi 50-100 cykly.

===Základní===

Při základním nastavení parametrů (viz. obr) můžeme již po 60 cyklech pozorovat vývoj vlastností. Populace se ustálila již po několika cyklech v rozmezí 45-55 jedinců. To je způsobeno počtem generované potravy (50) a možnostmi přežití a reprodukce.
Velikost jedinců se změnila, její hodnoty se pohybují dvěma směry. První je nízká (kolem 9 cm), kdy jsou jedinci rychlejší. Druhým směrem jsou větší jedinci (kolem 14cm), kteří mají výhodu velikosti a dokáží vystrnadit menší jedince.
Vlastnost beak-depth zůstala téměř beze změny. Největší zastoupení má střední hodnota 9mm a krajní hodnoty vymizely. To znamená, že v tomto prostředí není zapotřebí výrazné uzpůsobení zobáku potravě.

===Náročné získání potravy===

V tomto scénáři dojde v prostředí k silnému zvýšení náročnosti získání potravy (seeds-hardness-mean). Tato situace jednou nastala i v reálném světě a již při prvních potomcích byl zaznamenán rozdíl v uzpůsobení zobáku. Můžeme předpokládat podobné závěry i v tomto modelu.
Při pozorování této simulace zaznamenáváme zásadní změnu v ustálení populace, nejdříve je náhlý propad, protože umírají jedinci, kteří nejsou schopni získat žádnou potravu. Následně v několika cyklech roste populace, tedy jedinci s lepší vlastností beak-depth se začínají reprodukovat. Po několika dalších cyklech dochází k ustálení opět kolem počtu generovaného jídla.
Zásadní vliv tohoto prostředí pozorujeme ve vlastnosti beak-depth, která se nyní pohybuje kolem 13mm. Můžeme tedy říci, že změna této vlastnost byla kritickou reakcí na změnu v prostředí.
Velikost jedinců se posunula lehce vpravo, jsou tedy o něco větší než původní rozdělní. Tato vlastnost však není signifikantní v tomto prostředí.

===Menší prostředí s pomalým získáváním potravy===

V tomto případě je prostředí menší a získávání potravy pomalejší. Výsledkem je signifikantní změna velikosti, která se dostala na průměr 15,5cm. Populace rostla a ustálila se běžným způsobem jako v základní simulaci. Uzpůsobení zobáku zaznamenalo posun k vyšším hodnotám, ale ne tak velkým jako při druhé simulaci.

=Závěr=

V této práci jsme se zaměřili na studium přírodní selekce u Darwinových pěnkav pomocí simulace v NetLogo. Naším cílem bylo pochopit, jak různé faktory prostředí ovlivňují vlastnosti jedinců, konkrétně velikost a přizpůsobení zobáku, a jak tyto změny vedou k evolučním adaptacím.

Pomocí multiagentní simulace jsme vytvořili model, který umožňuje sledovat dynamiku populace pěnkav v různých prostředích a za různých podmínek. Díky široké škále nastavitelných parametrů jsme mohli izolovat specifické jevy a analyzovat jejich dopady na vývoj vlastností pěnkav.

Na základě výsledků můžeme konstatovat, že se nám podařilo úspěšně simulovat a analyzovat proces přírodní selekce u pěnkav. Naše simulace poskytla cenné vhledy do toho, jak specifické environmentální podmínky ovlivňují evoluční adaptace a jak různé vlastnosti jedinců mohou být selektivně výhodné v různých situacích.

=Reference=

=Kód=

File:Prirodni selekce parametry.png

2024-06-10T17:52:10Z

Rubo01:

Přírodní výběr

2024-06-10T17:45:11Z

Rubo01:

{{DISPLAYTITLE: Simulace přírodního výběru pěnkav}}
'''Název simulace:''' Simulace přírodního výběru pěnkav

'''Autor:''' Rubeš Ondřej, rubo01

'''Modelovací nástroj:''' [https://ccl.northwestern.edu/netlogo/ NetLogo]

Přírodní selekce je základním mechanismem evoluce, který poprvé formuloval Charles Darwin. Tento proces spočívá v tom, že jedinci s vlastnostmi, které jim umožňují lépe se přizpůsobit svému prostředí, mají větší šanci přežít a rozmnožit se. Charles Darwin popsal tři základní principy, které se uplatňují. První říká, že potomci dědí své vlastnosti od svých rodičů. Druhý, že se rodí více jedinců, než přežije. To znamená, že prostředí má omezené zdroje. A třetí, který tvrdí, že potomci se mezi sebou svými vlastnostmi liší. To vede k postupné změně genetického složení populace, protože příznivé vlastnosti se stávají běžnějšími v následujících generacích. Přírodní selekce je tedy klíčovým faktorem v adaptaci organismů na měnící se podmínky prostředí.

=Definice problému=

Tato simulace se zaměřuje na studium přírodní selekce, konkrétně u pěnkav, známých také jako Darwinovy pěnkavy. Cílem je pochopit, jak různé faktory prostředí mohou ovlivňovat různé vlastnosti a charakteristiky jedinců, kteří se v prostředí vyskytují.

=Metoda=

Za nejvhodnější metodu modelování považuji multiagentní simulaci, protože v práci využíváme jedinců, kteří působí ve specifickém prostředí. V tomto prostředí interagují s ostatními jedinci, ale také s prostředím samotným.

=Model=

Model je abstrakcí reálného světa. Jelikož ne všechny významné rysy pěnkav mají vliv ve specifickém a izolovaném prostředí, budeme se zaobírat pouze těmi, které napomáhají přežití v tomto prostředí. Identifikoval jsem dvě vlastnosti, jejichž vývoj budeme zkoumat, tedy velikost jedince a přizpůsobení zobáku. Další charakterové rysy pěnkav jsou například: zbarvení, zpěv a vokalizace, hnízdění apod.
Jedinci a prostředí mají poměrně rozsáhlé možnosti nastavení. Díky tomu lze specificky izolovat zkoumané jevy.

==Nastavitelné parametry modelu==

* Evolve-largeness – určuje, zdali se bude při reprodukci pěnkav adaptovat jejich velikost. (true/false)
* Evolve-beak-depth – určuje, zdali se bude při reprodukci pěnkav adaptovat jejich zobák. (true/false)
* Finches – původní počet pěnkav v simulaci (5 – world-size * 2)
* Birds-vision-radius – dohled pěnkav kolem sebe (5 – world-size)
* Must-by-larger-by-percent – koeficient, který určuje o kolik procent musí být jedince větší, aby mohl vyhnat od potravy jedince menšího. (10–100)
* Evolution-koeficient – hodnota určuje rozsah možných změn jedinců oproti jeho rodičům. (0.1-1)
* Food – určuje počet potravy v prostředí (2- finches * 1.5)
* Eat-time-ticks – určuje počet ticků, na který se musí jedinec zastavit, aby spořádal potravu (10-100)
* Seeds-hardness-mean – střední hodnota vlastnosti hardness generované potravy (6-12)
* World-size – velikost prostředí (32-44)
* Cycle-lenght – maximální doba jednoho cyklu v počtech ticků (500–1000)

==Agenti – pěnkavy==

Hlavními aktéry simulace jsou pěnkavy, které se snaží přežít ve specifickém prostředí. Pěnkavy mají různé vlastnosti a úkony, které provádějí.

===Pozice===

Základní pozice pěnkav se určuje vždy na začátku cyklu a jsou rozmístěny náhodně po obvodu plochy, která představuje simulované prostřední. V případě, že se pěnkavě podařilo sehnat dostatek potravy, vrací se na původní pozici, než skončí cyklus.

===Vlastnost===

* start-x – souřadnice x začínajícího pole, slouží k vrácení na začátek, pokud jedinec sehnal dostatek potravy. Je určena náhodně na začátku cyklu.
* start-y – souřadnice y začínajícího pole, slouží k vrácení na začátek, pokud jedinec sehnal dostatek potravy. Je určena náhodně na začátku cyklu.
* target – cílová potrava, za kterou pták letí. V průběhu cyklu se mění a určuje se pomocí funkce hledání potravy.
* speed – rychlost kterou se pohybuje jedinec, je dáno koeficientem 0.7 – jeho velikostí / 100. Čím je jedinec větší, tím větší váhu nese a je o to pomalejší. Samotná rychlost nemá tak významný rozdíl, a jelikož se jedná o stejný typ ptactva, můžeme tuto vlastnost počítat zmíněným způsobem.
* eaten-seeds – počet zajištěné potravy v cyklu, důležité pro konečnou fázi cyklu. Základem je hodnota nastavena na 0.
* find-delay – pozastavení hledání na krátkou dobu (10 ticků), pokud je jedinec vystrnaděn z od potravy.
* beak-depth – vlastnost zobáku jedince, pohybuje se v rozmezí 6-14mm a určuje, kterou potravu je schopen sníst. Základní hodnota je náhodná z normálního rozdělení se střední hodnotou 9 a rozptylem 1.2.
* largeness – velikost jedince, figuruje v možnosti odehnat jiné jedince od potravy (10-27cm) a rychlosti pohybu. Základní hodnota je náhodná z rozmezí 10-15cm.
* Zbarvení – měníme v závislosti na počtu nalezené potravy (0 = zelená, 1 = modrá, 2 = červená)

===Pohyb===

Pohyb v simulaci je odlišný v závislosti na několika jevech. Jedním z typů pohybu je náhodné hledání. Pěnkava se pohybuje v prostředí zcela náhodně, dokud nenalezne potravu. V případě, že má aktivní cíl (target), pohybuje se přímo k němu. Posledním případem je, když sehnala dostatek potravy a vrací se na startovní pozici. V takovém případě se pohybuje přímo na ni. Jelikož se pěnkavy pohybují vzduchem, nejsou zde řešeny kolize jedinců.

===Hledání potravy===

Při náhodném pohybu zároveň probíhá vyhledávání potravy. To je pomocí jednoduché funkce, která v okolí jedince, dle nastavení, hledá potravu, kterou je schopen sníst a která není zabraná nebo je zabrána menším jedincem, kterého lze vystrnadit. I tuto skutečnost lze modifikovat. Jedinec hledá potravu, dokud se nenasytí dvěma kusy.

===Vystrnadění slabšího===

Jelikož v simulaci izolujeme pouze stejný druh ptactva, řešíme souboj o potravu prostřednictvím velikosti jedinců, kde větší jedinec vyhrává. Protože nelze přesně stanovit, jak velký velikostní rozdíl musí být mezi jedinci, aby k tomu došlo, je tato vlastnost nastavitelná. V příkladu to znamená, že když se k jednomu zdroji potravy sletí více jedinců, zůstane potrava tomu největšímu a nejrychlejšímu. Dalším případem je, když při hledání potravy uvidím zdroj potravy okupován slabším jedincem. V tomto případě jej považuji za volné, protože ho lze vyhnat.

===Ukončení cyklu===

Existuje několik podmínek, které končí jeden cyklus simulace.
* V prostředí se nenachází žádná potrava
* Všichni jedinci jsou již plně najedení
* Proběhl nastavitelný počet ticků potřebný k ukončení cyklu
Na konci cyklu jedinci umírají v případě, že nesehnaly žádnou potravu. Přežívají, pokud sehnaly alespoň jednu a rozmnožují se, pokud získali dvě. Zároveň se resetuje vlastnost eaten-seeds na její původní hodnotu.

===Reprodukce===

Pokud se pěnkavě povedlo získat více potravy (2) tak je schopna reprodukce. Je vytvořen nový jedinec a jeho vlastnosti odvozeny od rodiče. V zjednodušeném světě má potomek pouze jednoho rodiče. Zároveň je provedena modifikace zkoumaných atributů. Nelze však dosáhnout jiných hodnot vlastností než v povoleném rozsahu.

==Prostředí==

Simulované prostředí abstrahuje pouze jedince pěnkav a potravy. Izoluje je tak od jakýchkoli dalších vlivů, to znamená, že v prostředí nevyskytují žádní predátoři a jediná smrt jedinců nastává z nedostatku potravy. Jediné soupeření je mezi jedinci samotnými. V simulaci je velikost prostředí dána velikostí plochy, kde se jedinci pohybují.

===Semínka===

Hlavním prvkem v prostředí, mimo pěnkav, které jsme již popsali, je potrava v podobě semínek. Ta jsou začátkem každého cyklu generována náhodně v prostředí s odlišnou hodnotou vlastnosti hardness. Ta pochází z normálního rozdělení, jehož střední hodnotu lze nastavit a rozptylu rovnému jedné. Tento jev je odvozen od vlastnosti beak-depth u pěnkav. Výsledkem je, že různí jedinci zvládnou pozřít různou škálu semínek.

====Vlastnosti====

* Hardness – náročnost získání potravy. Porovnává se s vlastností zobáku (<beak-depth)
* Eat-time – odpočitávadlo pro dobu, kterou musí jedinec strávit získáváním potravy (nastavitelné)
* Occupied-by – odkaz na agenta pěnkavy, který právě získává potravu z tohoto zdroje.

=Výsledky=

Díky modelu můžeme pozorovat vývoj vlastností pěnkav při různých specifikách prostředí. Výsledkem jsou jedinci s nejlépe uzpůsobenými vlastnostmi k danému prostředí. Hlavní výstupy tvoří porovnání mezi vývojem vlastností jedinců. V práci si ukážeme několik příkladů, kdy různorodost prostředí vyzdvihuje odlišné vlastnosti. Změny budeme pozorovat mezi 50-100 cykly.

===Základní===

Při základním nastavení parametrů (viz. obr) můžeme již po 60 cyklech pozorovat vývoj vlastností. Populace se ustálila již po několika cyklech v rozmezí 45-55 jedinců. To je způsobeno počtem generované potravy (50) a možnostmi přežití a reprodukce.
Velikost jedinců se změnila, její hodnoty se pohybují dvěma směry. První je nízká (kolem 9 cm), kdy jsou jedinci rychlejší. Druhým směrem jsou větší jedinci (kolem 14cm), kteří mají výhodu velikosti a dokáží vystrnadit menší jedince.
Vlastnost beak-depth zůstala téměř beze změny. Největší zastoupení má střední hodnota 9mm a krajní hodnoty vymizely. To znamená, že v tomto prostředí není zapotřebí výrazné uzpůsobení zobáku potravě.

===Náročné získání potravy===

V tomto scénáři dojde v prostředí k silnému zvýšení náročnosti získání potravy (seeds-hardness-mean). Tato situace jednou nastala i v reálném světě a již při prvních potomcích byl zaznamenán rozdíl v uzpůsobení zobáku. Můžeme předpokládat podobné závěry i v tomto modelu.
Při pozorování této simulace zaznamenáváme zásadní změnu v ustálení populace, nejdříve je náhlý propad, protože umírají jedinci, kteří nejsou schopni získat žádnou potravu. Následně v několika cyklech roste populace, tedy jedinci s lepší vlastností beak-depth se začínají reprodukovat. Po několika dalších cyklech dochází k ustálení opět kolem počtu generovaného jídla.
Zásadní vliv tohoto prostředí pozorujeme ve vlastnosti beak-depth, která se nyní pohybuje kolem 13mm. Můžeme tedy říci, že změna této vlastnost byla kritickou reakcí na změnu v prostředí.
Velikost jedinců se posunula lehce vpravo, jsou tedy o něco větší než původní rozdělní. Tato vlastnost však není signifikantní v tomto prostředí.

===Menší prostředí s pomalým získáváním potravy===

V tomto případě je prostředí menší a získávání potravy pomalejší. Výsledkem je signifikantní změna velikosti, která se dostala na průměr 15,5cm. Populace rostla a ustálila se běžným způsobem jako v základní simulaci. Uzpůsobení zobáku zaznamenalo posun k vyšším hodnotám, ale ne tak velkým jako při druhé simulaci.

=Závěr=

V této práci jsme se zaměřili na studium přírodní selekce u Darwinových pěnkav pomocí simulace v NetLogo. Naším cílem bylo pochopit, jak různé faktory prostředí ovlivňují vlastnosti jedinců, konkrétně velikost a přizpůsobení zobáku, a jak tyto změny vedou k evolučním adaptacím.

Pomocí multiagentní simulace jsme vytvořili model, který umožňuje sledovat dynamiku populace pěnkav v různých prostředích a za různých podmínek. Díky široké škále nastavitelných parametrů jsme mohli izolovat specifické jevy a analyzovat jejich dopady na vývoj vlastností pěnkav.

Na základě výsledků můžeme konstatovat, že se nám podařilo úspěšně simulovat a analyzovat proces přírodní selekce u pěnkav. Naše simulace poskytla cenné vhledy do toho, jak specifické environmentální podmínky ovlivňují evoluční adaptace a jak různé vlastnosti jedinců mohou být selektivně výhodné v různých situacích.

=Kód=

Přírodní výběr

2024-06-09T17:56:50Z

Rubo01:

Přírodní výběr

2024-06-09T16:17:18Z

Rubo01:

Přírodní výběr

2024-06-09T16:16:51Z

Rubo01:

Přírodní výběr

2024-06-09T15:54:22Z

Rubo01:

Přírodní výběr

2024-06-09T15:50:46Z

Rubo01: Created page with "{{DISPLAYTITLE: Simulace přírodního výběru pěnkav}} '''Název simulace:''' Simulace přírodního výběru pěnkav '''Autor:''' Rubeš Ondřej, rubo01 '''Modelovací n..."

Assignment SS 2023/2024/cs

2024-05-12T17:48:16Z

Rubo01:

{{DISPLAYTITLE:Zadání LS 2023/2024}}

{{Ambox
| text = <div>
Na tuto stránku vkládejte svá zadání. Nezapomeňte se podepsat. Můžete použít <nowiki>~~~~</nowiki> (čtyři tildy) k automatickému podpisu. Používejte Ukázat náhled, abyste si prohlédli Váš výsledek před konečným odesláním.
</div>
}}

{{Ambox
| text = <div>
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]].
</div>
}}

{{Ambox
| text = <div>
Témata na téma hazardních her, karet, vývoje cen akcií/indexů '''nejsou''' vítány. Rovněž varianty úlohy "Predator & Prey" a příkladů ze cvičení vám '''budou rozmluveny'''.
</div>
}}

{{Ambox
| type = content
| text = <div>
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.
</div>
}}

{{Ambox
| text = <div>
'''Criteria for evaluation of the simulation proposal'''

The proposal must contain:
*What you will simulate
*The goal of the simulation (what you analyze - i.e. not "to simulate balloon factory", but what problem should the simulation solve).
*Who would actually use such simulation (example of such user) and how would it help him
*What method and simulation environment you plan to use. Choose only from the development environments that we have used in the course.
*What variables will be incorporated
*What variables will be random
*What exact data you will base values of your variables on
*(In case of Monte Carlo) What exact data you will base your determination of probability distribution of your random variables on
*What exact data you will base your formulas in the simulation (simulation behavior) on

'''If any of the above points are missing from the simulation proposal, the proposal is considered incomplete. Unless the proposal contains all of the above points it will not be evaluated at all (and therefore cannot be approved).'''

# Is it clear from the proposed assignment how the simulation will work?
# Does the simulation make sense?
# Is the simulation model complex enough to simulate credibly the real-world phenomenon that the simulation tries to simulate?
# Is the data used real and relevant for the real-world phenomenon that the simulation tries to simulate?
# Is the simulation feasible? (in given time by the course)

'''If the answer to any of the above points is no, you need to improve your proposal. Don't wait for us to tell you so - you're wasting your time.'''

</div>
}}
==Simulácia hasenia požiarov na austrálskej pevnine==

=== Popis ===
Simulácia hasenia požiarov na austrálskej pevnine sa zameriava na modelovanie a analýzu rôznych metód a stratégií boja proti lesným požiarom v podmienkach Austrálie. Táto simulácia využíva realistické dáta o type vegetácie, teréne, meteorologických podmienkach na efektívne plánovanie a vykonanie hasenia požiarov. Model zahŕňa dynamiku a správanie požiarov, reakciu hasiacich tímov, logistiku zásobovania vodou a chemickými retardérmi(spomaľovač horenia), a ich účinok na obmedzenie šírenia požiaru.

=== Cíl ===
Hlavným cieľom simulácie hasenia požiarov je optimalizovať stratégie a zdroje používané na boj proti požiarom - zistiť aká kombinácia jednotlivých použitých techník na zvládanie požiarov je účinná.

=== Užitečnost ===
-fektívne nasadenie zdrojov
-tréning a príprava - simulované scenáre poskytujú cenné tréningové prostredie pre hasičov a záchranné tímy, umožňujúce im testovať rôzne taktiky
-účinnosť hasenia - umožňuje analyzovať a porovnať účinnosť rôznych hasiacich techník a materiálov
=== Metoda a způsob simulace ===
Agentná simulácia NetLogo
=== Proměnné ===
-dostupná zásoba vody
-aplikácia chemických retardérov - typ a množstvo
-doba reakcia hasičov
-existencia protipožiarnych bariér
-dostupnosť leteckej techniky
-prístupnosť terénu

=== Náhodné proměnné ===
-vlhkosť vzduchu
-intenzita dažďa
-rýchlosť vetra
-teplota

=== Použita data pro nastavení simulace ===
Copernicus Global Land Service[https://land.copernicus.eu/en]
Australian Bureau of Meteorology[http://www.bom.gov.au]
Geoscience Australia[https://www.ga.gov.au]
Global Fire Data[https://globalfiredata.org]
Wildfires: An Australian Perspective[https://www.researchgate.net/publication/286243345_Wildfires_An_Australian_Perspective]

[[User:Ravm01|Ravm01]] ([[User talk:Ravm01|talk]]) 19:28, 10 May 2024 (CET)

== Simulacia urgentneho prijmu v nemocnici ==

=== Popis ===
Simulacia urgentneho prijmu v nemocnici, kde pacienti pocas dna prichadzaju v roznych casoch s roznou zavaznostou ochorenia. Pacienta najprv prijme sestra a nasledne vysetri lekar. Po vysetreni je pacient bud prepusteny alebo hospitalizovany. Myslienkou je vytvorit zjednoduseny model nemocnice s urcitou kapacitou a pozorovat ako pocet lekarov a sestier, pocet miestnosti na vysetrenie a algoritmus pre „triedenie“ / prioritizaciu pacientov na urgentnom prijme ovplyvnuje zaplnenie dostupnych lozok.

=== Cíl ===
Zistenie optimalneho poctu lekarov, sestier a miestnosti pre modelovanu nemocnicu. Testovanie roznych strategii prioritizacie pacientov.

=== Užitečnost ===
Simulacie oddeleni v nemocnici su uzitocne pre riesenie roznych problemov, napr.:

• Alokacia zdrojov

• Optimalizacia toku pacientov

• Redukcia cakania na vysetrenie a dlzky hospitalizacie

=== Metoda a způsob simulace ===
Diskretna simulacia v NetLogo alebo AnyLogic (necham si poradit)

=== Proměnné ===
• Kapacita nemocnice

• Pocet osetrujcich lekarov

• Pocet zdravotnych sestier

• Pocet miestnosti na vysetrenie

=== Náhodné proměnné ===
• Stav pacienta

• Dlzka vysetrenia

• Vysledok vysetrenia

• Prichod pacientov

• Odchod pacientov

=== Použita data pro nastavení simulace ===
Data pre konkretne zariadenia su limitovane. Cerpat je mozne z celkovych statistik zdravotnickych zariadeni v CR/SR a z existujucich studii.

Narodne Centrum Zdravotnickych Informacii, [https://www.nczisk.sk/Statisticke_vystupy/Tematicke_statisticke_vystupy/Pages/default.aspx]

Ustav Zdravotnickych Informaci a Statistiky CR, [https://www.uzis.cz/]

Modeling and simulation of patient flow at the emergency services: Case of Al-Zahraa Hospital University Medical Center in Lebanon, [https://uphf.hal.science/hal-03199182/document]

[[User:Sekp02|Sekp02]] ([[User talk:Sekp02|talk]]) 11:40, 9 May 2024 (CET)

== Simulace tornáda ve venkovské oblasti ==

=== Popis ===
Jedná se o simulaci tornáda ve venkovské oblasti, kde může tornádo zasáhnout domy, farmy a další infrastrukturu. Obyvatelé oblasti jsou vystaveni riziku ničivých škod a je nutné zkoumat strategie předcházení a zvládání následků této katastrofy. Obyvatelé budou mít také možnost úniku do několika bunkrů.

=== Cíl ===
Cílem modelu je porozumět dopadům tornáda na venkovskou oblast a zjistit, jaká opatření mohou minimalizovat škody a zvýšit podíl přeživších. Důraz je kladen na analýzu evakuace a výstrahy.

=== Užitečnost ===
Model tornáda je užitečný pro studium a testování různých strategií řízení rizik spojených s tornády. Poskytuje prostředek pro zkoumání účinnosti evakuace, plánování obnovy a analýzu dopadů tornáda na obyvatelstvo a infrastrukturu venkovské oblasti.

=== Metoda a způsob simulace ===
Simulace je založena na agentově založeném modelu, kde každý agent představuje jednotlivého obyvatele nebo budovu v oblasti. Tornádo je modelováno jako pohybující se entita, která může způsobit škody na okolním prostředí. Interakce mezi tornádem a agenty jsou simulovány na základě pravděpodobnostních modelů. Jako nástroj pro simulaci využiji NetLogo.

=== Proměnné ===
• Typy budov a infrastruktura v oblasti

• Hustota obyvatelstva

• Rychlost a velikost tornáda

• Doba výstrahy a reakce obyvatel

=== Náhodné proměnné ===
• Umístění vzniku tornáda

• Intenzita a směr pohybu tornáda

• Reakce obyvatel na varování a evakuaci

• Škody způsobené tornádem na konkrétních místech

=== Použita data pro nastavení simulace ===
Studie od Daan Liang, Zhen Cong a Guofeng Cao https://journals.ametsoc.org/view/journals/wcas/14/2/WCAS-D-21-0089.1.xml

[[User:Javf00|Javf00]] ([[User talk:Javf00|talk]]) 12:43, 8 May 2024 (CET)

: Bude třeba, abyste si prostudoval o dynamice tornád více zdrojů. '''Schváleno'''. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 17:34, 10 May 2024 (CET)

== Simulácia evolúcie neurónovej siete, ktorej cieľom je naučiť sa hrať klasickú hru Snake ==

=== Popis ===
Práca bude simulovať evolúciu agentov, ktorí sa budú snažiť naučiť hrať klasickú hru Snake. Každý agent bude predstavovaný neurálnou sieťou, ktorá na základe aktuálneho stavu hry rozhodne ako ďalej pokračovať. Cieľom práce bude zistiť najvhodnejšie parametre pre vývoj agentov.

=== Prostredie ===
Pre simuláciu evolúcie bude potrebné simulovať viacero generácií '''E''' a v každej generácii bude populácia agentov o veľkosti '''N'''. Každý agent bude hrať samostatnú inštanciu hry Snake. Po odohraní hier agentov v danej generácii sa vypočíta fitness (skóre) najlepšieho agenta.
Podľa fitness sa vyberú jedinci pre ďalšiu generáciu (podľa miery elitizmu '''e'''). Ďalej sa generácia doplní novo vytvorenými agentami (potomkami), ktorí vzniknú krížením dvoch náhodne vybratých agentov. Potomkovia budú ešte zmutovaný podľa miery mutácie '''m'''. Ďalej bude pokračovať ďalšia novo vytvorená generácia.

=== Agenti ===
Každý agent bude pozostávať z neurónovej siete. Agent bude "vidieť" do ômych smerov (hore, dole, vľavo, vpravo, vpravo-hore, vpravo-dole, vľavo-dole, vľavo-hore) od hlavy hada. Pre každý smer uvidí vzdialenosť k stene, vzdialenosť k jablku (ak ho v daný smer vidí) a vzdialenosť ku svojemu chvostu (ak ho v daný smer vidí). Čiže na vstupnej vrstve bude mať 24 neurónov (8 smerov x 3 indikátory) + 4 neuróny predstavujúce smer do ktorého ide hlava hada. Celkovo 28 neurónov. Počet skrytých vrstiev a neurónov v nich môže byť cieľom skúmania práce. Váhy väzieb medzi neurónami budú z počiatku náhodné z uniformného rozdelenia, následne budú menené mutáciami agentov. Na výstupe neurónovej siete bude smer akým sa má had ďalej uberať, čiže 4 neuróny pre Hore, Dole, Vľavo, Vpravo.

=== Cieľ ===
Cieľom práce bude zistiť najvhodnejšie parametre pre vývoj agentov. S evolučným algoritmom mám skúsenosti - riešil som ním 3SAT problém a preto viem že výpočty môžu zabrať značnú dobu. Preto by som určil niektoré parametre, ktoré budú pevné a niektoré, ktoré budú cieľom skúmania. Tu mám 3 možnosti, ktoré by ma zaujímali. V každom prípade bude pevný parameter '''N''' (počet jedincov v populácii) a '''E''' počet generácií. Prvá možnosť by malá pevný počet skrytých vrstiev agentov s pevným počtom neurónov v nich a menila by sa miera mutácie a miera elitizmu. Druhá možnosť je podobná prvej, no počet skrytých vrstiev a neurónov v nich by sa s mutáciami agentov mohol meniť (čo je vlastne len zťaženie možnosti 1, ale asi sa to viac podobá skutočnej evolúcii). Tretia možnosť je, že miera mutácie a elitizmus budú pevné parametre a manuálne sa bude meniť počet vrstiev a neurónov (čo teraz ako to píšem sa mi úplne nezdá - malo by to hrozne veľa možností a ani sa to tak veľmi nepodobá evolúcii). V každom prípade budem porovnávať výsledky, ktoré agenti dosiahli za '''E''' generacií (najlepšie skóre, priemerné skóre, smerodajnú odchylku).

(Môj osobný cieľ bude, aby agent dosiahol aspoň 10 bodov a pritom, aby bolo vidno, že to nebola náhoda :D )

=== Nástroje ===
Python s knižnicou numpy pre prácu s maticami váh, knižnicou matplotlib pre grafické znázornenie výsledkov populácií a knižnicou tkinter pre zobrazenie hier (zobrazenie je to najmenej podstatné a pritom to najlepšie :D).

=== Autor ===
[[User:Stem45|Stem45]] ([[User talk:Stem45|talk]]) 10:18, 1 May 2024 (CET)

: Je to poměrně ambiciózní, ale slibuje to zajímavé výsledky, tak to zkusme. '''Schváleno'''. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 17:35, 10 May 2024 (CET)

== Simulace přestupu na stanici metra Můstek ==

=== Popis ===
Simulovat chci přestup z linky A na linku B a naopak. Jelikož se jedná o jednu z nejvytíženějších stanic metra v Praze zaměřím se na dobu, ve které je stanice nejvíce zatížená. Zkoumat se budou oba směry příjezdu. Simulace nebude uvažovat cestující kteří chtějí z metra vystoupit.

=== Cíl ===
Výsledkem simulace by mělo být nalezení optimální cesty pro přechod z linky A na linku B a naopak. Optimální cesta bude zahrnovat i výstup z vagonu, tedy bude záležet ze kterého vagonu agent vystoupí.
Optimálnost cesty se bude měřit podle:

1. Uražené vzdálenosti

2. Průměrném času

=== Užitečnost ===
Tato simulace poskytne jednoduchou a přímočarou odpověď do kterého vagonu nasednout a kterou cestou se vydat chceme-li co nejrychleji přestoupit na linku B či A a stihli tak navazující spoj.

=== Metoda a způsob simulace ===
Pro simulaci tohoto druhu budu volit agentní simulaci, kde agenti budou cestující metra. Jako nastroj pro simulaci využiji NetLogo.

=== Proměnné ===
• Příjezd metra

• Počet pasažérů

• Rychlost cestujícího

• Zvolena trasa přestupu

=== Náhodné proměnné ===
Vše až na “Příjezd metra”. Zbytek bude náhodně z intervalu získaného z dat nebo náhodným výběrem z několika možností.

=== Použita data pro nastavení simulace ===
Oficiální data od DPP o metru z roku 2015: https://data.pid.cz/pruzkumy/2015_METRO_sbornik.pdf

[[User:Bled09|Bled09]] ([[User talk:Bled09|talk]]) 16:25, 1 May 2024 (CET)

: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:21, 7 May 2024 (CET)

== Simulace boardingu pasažéru do letadla ==

=== Popis ===
Tato práce bude podrobně zkoumat proces nástupu cestujících do letadla a srovnávat účinnost různých metod, které se při tomto procesu používají. Bude se zabývat simulací samotného boardingu, abychom lépe porozuměli, jak různé strategie ovlivňují průběh nástupu a celkový čas potřebný k dokončení této fáze cesty.

=== Cíl ===
Cílem simulace je identifikovat nejefektivnější způsob nástupu cestujících s ohledem na minimalizaci celkové doby nástupu a maximalizaci spokojenosti cestujících. Simulace bude modelovat různé metody boardingu, jako je zónový boarding, skupinový boarding a nástup podle sedadel, a analyzovat jejich vliv na celkový čas nástupu a další relevantní faktory.

=== Užitečnost ===
Výsledky simulace poskytnou užitečné poznatky pro optimalizaci procesu boardingu letadla a zlepšení cestovního zážitku cestujících.

=== Metoda a způsob simulace ===
Pro simulaci tohoto druhu budu volit agentní simulaci, kde agenti budou cestující metra. Jako nastroj pro simulaci využiji NetLogo.

=== Proměnné ===
• Metoda boardingu

• Rozložení letadla a jeho velikost

• Časový rozvrh

• Strategie priority boardingu

=== Náhodné proměnné ===
• Chování cestujících - rychlost

• Náhodné rozložení cestujících v jednotlivých zónách

• Náhodné změny v chování cestujících

• Náhodné události

=== Použita data pro nastavení simulace ===
Vzniklá studie od Jason H. Steffen: https://www.sciencedirect.com/science/article/abs/pii/S0969699708000239

[[User:Arťom Ňorba|Arťom Ňorba]] ([[User talk:Arťom Ňorba|talk]]) 09:16, 2 May 2024 (CET)

: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:23, 7 May 2024 (CET)

== Simulace vývoje alkoholismu: Závislost, léčba a dopady na zdraví ==

=== Popis ===
Konzumace alkoholu je dlouhodobě v České republice na vysoké úrovni. Roční spotřeba alkoholu na osobu dlouhodobě dosahuje hodnoty kolem 10 litrů čistého alkoholu. Denně si alkohol dopřeje téměř 10 % dospělé populace.
Tato simulace se zaměřuje na modelování systému alkoholismu, který zahrnuje interakce mezi alkoholikem, léčbou, vyléčeným alkoholikem a genetikou. Dále zahrnuje náhodné proměnné, jako je inflace, cena alkoholu, prostředí, stres, nemoc a smrt. Simulace bude ukazovat, jak tyto faktory ovlivňují vývoj alkoholismu a účinnost léčby.

=== Cíl ===
Cílem této simulace je vytvořit model systémové dynamiky, který bude zkoumat vývoj alkoholismu u jednotlivce a jeho dopady na zdraví.

=== Užitečnost ===
Model by umožnil lépe porozumět faktorům, které přispívají k vzniku a prohlubování alkoholismu. Na základě výsledků simulace by pak mohly být navrženy a implementovány účinné politiky a programy pro prevenci a léčbu alkoholismu, které by mohly vést ke zlepšení zdraví populace a snížení nákladů spojených s alkoholismem.

=== Metoda a způsob simulace ===
Metoda a způsob simulace budou realizovány prostřednictvím nástroje Vensim, který je vhodný ke sledování změn hodnot proměnných v čase.

=== Proměnné ===
• Alkoholik
• Alkohol
• Léčba
• Vyléčený alkoholik
• Genetika

=== Náhodné proměnné ===
• Prostředí
• Cena alkoholu
• Inflace
• Stres
• Nemoc
• Smrt

=== Použitá data pro nastavení simulace ===
https://www.drogy-info.cz/zprava-o-zavislostech/souhrnna-zprava-o-zavislostech-v-cr-2022/
https://www.czso.cz/csu/czso/graf-spotreba-alkoholickych-napoju-na-1-obyvatele-v-ceske-republice

[[User:Lacb03|Lacb03]] ([[User talk:Lacb03|talk]]) 09:00, 8 May 2024 (CET)
:: '''Schváleno'''. Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci).[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 13:42, 9 May 2024 (CET)

== Simulace přírodního výběru - pěnkavy ==

=== Popis ===
Jako téma simulace jsem zvolil přírodní výběr pojmenovaný Charlesem Darwinem. Simulace bude představovat vývoj pěnkav v závislosti na prostředí, ačkoli reálný svět bude v rámci simulace zjednodušen.

===Cíl===
Cílem simulace je ukázat a vizualizovat, jak se budou pěnkavy vyvíjet v rámci přežití v prostředí, kde se vyskytují i ostatní jedinci. Výsledkem jsou takový jedinci, kteří mají nejvyšší šanci v daném prostředí přežít. Dále budeme sledovat, jakou silou se projevují jednotlivé vlastnosti. To bude rozdílné dle nastavení prostředí.

===Užití===
Simulaci lze použít jako důkaz přírodní selekce a její vizuální interpretaci v zjednodušeném světe. Lze jej využít jako doprovodný materiál při výuce.

===Metoda a způsob simulace===
Jako nástroj pro tvorbu modelu využiji NetLogo, protože tvořím multiagentní systém.

===Prostředí===
Prostředí je dáno čtvercovou plochou. V ploše se každé kolo generuje jídlo v podobě semínek. Jedno jídlo v ploše můžeme chápat jako hrst semínek. Semínka mají různý typ (tvrdost).

===Agenti===
Agenty této simulace jsou pěnkavy, které obstarávají jídlo. Mají hnízda po obvodu herního plánu. Pěnkavy se každé kolo snaží obstarat potravu, pokud získají jeden kus, přežijí. Pokud získají kusy 2, přežijí a rozmnoží se. Při cestě do prostoru chodí nahodile (lze aplikovat různé strategie cesty, ale není to hlavní východisko, které chci zkoumat).

Když pěnkava narazí na jídlo, tak jí nějaký čas trvá semínka posbírat či vyhrabat. To závisí na vývoji jejich pařátků. (vlastnost – pařáty)

Může se stát, že k jednomu jídlo dorazí více pěnkav. V tomto případě jídlo obdrží ta pěnkava, která je větší, protože zastraší menší pěnkavu. V simulaci k tomu využijeme specifikovaný poměr jako nastavitelnou proměnnou. (vlastnost – velikost)

Další faktor je typ semen neboli jejich tvrdost. Aby ptáci mohli jíst tvrdší semena, tak musí mít lépe uzpůsobený zobák. (vlastnost – zobák)
Poslední zkoumanou vlastností bude vývoj křídel, které prezentují rychlost pohybu v prostředí. Rychlost pohybu v prostředí nám nepomůže se získáním semen ze země či jiného zdroje, ale dostanou se k nim rychleji. (vlastnost – křídla)

Rozmnožení je zde zjednodušeno. Dojde k němu, když jedinec získá dvě jídla a bude provedeno jako vytvoření nového jedince s lehce upravenými vlastnostmi rodiče.
Vlastnosti jsem zde napsal neurčitě, ale v simulaci budou reprezentovány spojitým atributem viz. Křídla -> rychlost (double), zobák -> koeficient k snědku (double)

===Proměnné===
• Počet aktérů

• Počet generovaného jídla

• Poměr zastraření

===Náhodné proměnné===
• Původní umístění jedinců

• Umístění jídla

• Změna vlastností

===Data pro nastavení simulace===
Vzorem této práce je již zaznamená studie, která se soustředila na vlastnost zobáku a přijímání potravy. https://bio.libretexts.org/Bookshelves/Introductory_and_General_Biology/Book%3A_General_Biology_(Boundless)/18%3A_Evolution_and_the_Origin_of_Species/18.01%3A_Understanding_Evolution/18.1C%3A_The_Galapagos_Finches_and_Natural_Selection

Další zdroje:

https://evolution.berkeley.edu/teach-evolution/misconceptions-about-evolution/

https://www.khanacademy.org/science/biology/her/evolution-and-natural-selection/v/introduction-to-evolution-and-natural-selection

https://www.thoughtco.com/charles-darwins-finches-1224472

https://www.open.edu/openlearn/science-maths-technology/migration/content-section-3.4

[[User:Rubo01|Rubo01]] ([[User talk:Rubo01|talk]]) 12:06, 6 May 2024 (CET)

: Velmi obecné, konkretizujte. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:25, 7 May 2024 (CET)

: Pokusil jsem se zadání více konkretizovat. [[User:Rubo01|Rubo01]] ([[User talk:Rubo01|talk]]) 06:18, 9 May 2024 (CET)

:: Takhle zadáno se pohybujeme na velmi abstraktní úrovni. Měl byste problém dokázat, že Vám to dává smysluplné výsledky. Doporučuji vybrat si nějaký konkrétní např. živočišný druh, sehnat si o něm informace a udělat něco takového pro tento konkrétní druh.

Na zájladě vaší poznámky, jsem zvolil konkretní živočišný druh, konkrétně ptáky - pěnkavy [[User:Rubo01|Rubo01]] ([[User talk:Rubo01|talk]]) 18:47, 12 May 2024 (CET)

== Simulácia podkladní v supermarkete ==

=== Popis ===
Simulácia sa zameriava na skúmanie vplyvu počtu pokladní na zisk supermarketu. Cieľom je zistiť, ako množstvo pokladní má najväčší pozitívny vplyv na zisk, pričom sa berú do úvahy aj dlhé fronty, ktoré môžu odradiť zákazníkov a viesť k ich odchodu.

===Agenti===
Agenti sú jednnotlivý zákazníci.

===Cíl===
Cieľom simulácie je nájsť optimálny počet pokladní a ich rýchlosť obsluhy, ktoré zabezpečia maximálny zisk pre supermarket.
Optimálny počet pokladní a rýchlosť obsluhy budú merať podľa:

• Celkový zisk supermarketu
• Dĺžka fronty na pokladniach
• Čas, ktorý trvá zákazníkom od začiatku fronty k momentu zaplatenia

===Užitočnosť===
Táto simulácia poskytne užitočné informácie o tom, ako zlepšiť prevádzku pokladní a maximalizovať zisk. Pomôže efektívnejšie riadiť personál a prispôsobiť sa meniacim sa potrebám zákazníkov.

===Metóda a spôsob simulácie===
Ako nástroj na tvorbu modelu použijem NetLogo

===Premenné===
• Počet pokladní
• Rýchlosť obsluhy pokladní
• Počet zákazníkov

===Náhodné premenné===
Všetky premenné budú náhodné premenné.

===Dáta===
Historické údaje o príchode zákazníkov do supermarketu, vrátane "peak hours" a priemerných tokov zákazníkov. Priemerné časy obsluhy pri pokladniach založené na pozorovateľných údajoch.

[[User:Lavd01|Lavd01]] ([[User talk:Lavd01|talk]]) 16:10, 6 May 2024 (CET)

: Dokud jsme měli ještě v programu zařazené diskrétní simulace, toto byla naprosto typická úloha právě na ně (dokonce byla ve slidech) a odkázal bych Vás na Simprocess. V tomto případě Simprocess už k dispozici není, lze to řešit jinými nástroji, např. AnyLogicem, které jsme ale nedělali. Řešení v NetLogu je možné, bude ale poměrně pracné. Nicméně, pokud na tom trváte, tak '''schváleno''' a budu zvědav, jak se to bude lišit od řešení v Simprocessu. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:30, 7 May 2024 (CET)

== Simulace úspěšnosti studentů ==

=== Popis ===
Simulace se zaměřuje na zkoumání vlivu různých faktorů, jako je typ školy, pohlaví studenta, věk, typ adresy, velikost rodiny, stav spoluobývání rodičů, úroveň vzdělání matky, úroveň vzdělání otce, povolání matky a povolání otce, na akademický výkon a úspěch studentů ve školním vzdělávání.

===Agenti===
Agenti jsou studenty

=== Cíl ===
Cílem simulace je analyzovat vliv sociodemografických faktorů na úspěšnost studentů a vzdělávací výsledky. Cílem je identifikovat klíčové determinanty akademického výkonu studentů a zkoumat strategie pro zlepšení rovnosti ve vzdělávání a přístupu k němu.

=== Užitečnost ===
Tato simulace poskytne užitečné poznatky pro pedagogy, politické rozhodovatele, školní administrátory a výzkumníky. Pedagogové ji mohou využít k porozumění, jak různé sociodemografické charakteristiky studentů ovlivňují akademické výsledky a přizpůsobit intervence podle potřeby. Politici ji mohou využít k navrhování politik založených na důkazech, které mají za cíl snížit nerovnosti ve vzdělávacích výsledcích. Školní administrátoři ji mohou využít k efektivnímu alokování zdrojů a implementaci cílených podpůrných programů. Výzkumníci ji mohou využít k zkoumání komplexních interakcí mezi různými sociodemografickými faktory a úspěchem studentů.

=== Metoda a způsob simulace ===
Jako prostředek pro tvorbu modelu použiju NetLogo.

=== Proměnné ===

• Weekly Study Time: Počet hodin strávených studiem za týden.
• Number of Past Class Failures: Celkový počet předchozích neúspěchů.
• First Period Grade: Známka z prvního hodnotícího období.
• Second Period Grade: Známka z druhého hodnotícího období.

=== Dáta ===
Hodnoty proměnných budou založeny na datasetu (Student achievement in secondary education of two Portuguese schools. - https://www.kaggle.com/datasets/larsen0966/student-performance-data-set/data), přičemž distribuce a charakteristiky každé proměnné budou odpovídat empirickým datům.

: Není mi úplně jasné, jak by měla taková simulace vypadat. Můžete konkretizovat? Ideálně i s obrázky, [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:30, 7 May 2024 (CET)
: 1. Vizuální Představení: V NetLogo bude scéna připomínat třídu s 30 studenty (agenti), kde každý student bude reprezentován jako agent s unikátním ID.
: 2. Nastavení Atributů: V levém panelu bude možné pomocí sliderů a vstupních polí měnit atributy každého studenta.
: 3. Interaktivní Úpravy: Uživatelé budou moci dynamicky upravovat tyto atributy a okamžitě vidět, jak se změny promítnou do inicializace agentů v modelu.
: 4. Modelování Úspěšnosti: Po nastavení atributů a spuštění modelu se pro každého studenta vypočítá hodnota úspěšnosti. Tento výpočet bude založen na předem definovaném modelu, který zahrne : kombinaci významných atributů a jejich vliv na akademický výkon
: 5. Bez Dynamických Interakcí: Vzhledem k absenci časových a interakčních dat bude simulace provádět jednorázový výpočet úspěšnosti bez sledování dynamických změn v čase.
: 6. Zobrazení Úspěšnosti: Po dokončení modelování bude každý student v třídě (scéně) mít přiřazenou hodnotu úspěšnosti, která bude zobrazena vedle jeho ikony nebo v datové tabulce pod : : scénou.
: 7. Statistické Grafy: Pod vizualizací třídy budou prezentovány různé statistické grafy, včetně:
: * Distribuce Úspěšnosti: Histogram nebo boxplot ukazující rozložení úspěšnosti mezi studenty.
: * Distribuce Motivace: Podobné grafy pro motivaci a další číselné atributy.
: * Korelační Grafy: Scatter ploty nebo jiné grafy zobrazující korelace mezi úspěšností a jednotlivými atributy, aby bylo možné identifikovat faktory s největším vlivem.
: 8. Plánované Rozšíření Modelu: Po prvotní analýze a identifikaci významných korelací plánuju rozšířit model o další zajímavé atributy, které mohou mít vliv na úspěšnost studentů: Počet : hodin strávených studiem, Počet absencí, Konzumace alkoholu,a další relevantní faktory zahrnuté v datasetu

:: U simulací pracujících s měkkými parametry bývá problém v tom, že jsou zpravidla nereplikovatelné a tudíž netestovatelné. Tady Vám to může vyjít prakticky jakkoliv a nikdo nebude schopen říci, jestli je to dobře nebo špatně. Doporučuji reformulaci a zapojení nějakých tvrdších faktorů. Popř. vysvětlit, jakým způsobem budete smysluplnost modelu testovat. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 17:41, 10 May 2024 (CET)

:: Dataset ma nekolik tvrdych parametru jako počet studovaných hodin, počet předchozích neúspěchů ve třídě a průběžné známky, což umožňuje přesnější a konzistentnější analýzu vlivu těchto faktorů na akademický výkon, tak ze bych je pouzila. Updatovala jsem parametry ve zadani

== Vplyv odlesňovania v Amazónií na globálne otepľovanie ==

=== Popis ===
Táto simulácia sa zameriava na analýzu odlesňovania v Amazónií a jeho vplyv na globálne otepľovanie. Hlavným cieľom je študovať, ako zmeny v rozlohe lesných porastov ovplyvňujú teplotu, vlhkosť a iné environmentálne faktory.

===Agenti===
1. Lesníci: Agenti zodpovední za rozhodovanie o odlesňovaní.

2. Stromy: Agenti reprezentujúci lesný porast v oblasti simulácie.

3. Senzor: Agenti sledujúci teplotu, vlhkosť a iné v rôznych častiach oblasti.

=== Cíl ===
Cieľom simulácie je analyzovať, ako rôzne úrovne odlesňovania ovplyvňujú teplotu a ďalšie environmentálne faktory v danej oblasti.

=== Užitečnost ===
Simulácia poskytuje užitočný nástroj na preskúmanie dopadov odlesňovania na miestne klimatické podmienky a globálne otepľovanie. Vďaka vizualizácie sa vytvára priestor pre lepšie pochopenie procesov, ktoré sa dejú v dôsledku odlesňovania Amazónie. Na základe simulácie je viditeľné aký vplyv má odlesňovanie na teplotu a vlhkosť v oblasti a na celosvetové klimatické zmeny a pomáha tak identifikovať optimálne stratégie riadenia lesníctva z hľadiska ochrany klímy.

=== Metoda a způsob simulace ===
Simulácia bude používať agent-based modelovanie NetLogo, kde jednotlivé entity (agenti) budú reagovať na zmeny vo svojom prostredí a vykonávať určité akcie na základe stanovených pravidiel.

1. Inicializácia: Na začiatku simulácie sa definuje topografia, rozmiestnenie stromov a miesto lesníkov.

2. Krok simulácie: V každom kroku lesníci rozhodujú o tom, koľko stromov odstránia a kde. Potom sa aktualizuje stav stromov a environmentálne faktory.

3. Vyhodnotenie: Po určenom počte krokov sa vyhodnotia zmeny v teplote, vlhkosti a iných faktoroch.

=== Proměnné ===
• Počet senzorov = 5

• Lesná plocha: Miera lesného porastu v oblasti simulácie, môže byť vyjadrená ako počet stromov alebo pomer lesného pokrytia vzhľadom na celkovú plochu.

• Teplota

• Vlhkosť

=== Náhodné proměnné ===
• Úroveň odlesňovania: Percento stromov odstránených lesníkmi, čo ovplyvňuje veľkosť a rozlohu lesného pokrytia.

• Počet lesníkov

=== Dáta ===
• Global Forest Watch (https://www.globalforestwatch.org/): Poskytuje dáta o odlesňovaní a lesných pokryvkách z celého sveta, vrátane histórie odlesňovania a zmeny lesných ploch.

• NASA Earth Observing System Data and Information System (EOSDIS) (https://earthdata.nasa.gov/): NASA ponúka širokú škálu dát o poveternostných podmienkach, teplotách, vlhkosti a ďalších environmentálnych faktoroch pomocou svojich satelitných misií.

• WorldClim (https://www.worldclim.org/): Poskytuje voľne dostupné globálne klimatické dáta, vrátane teploty, zrážok a iných klimatických premenných, ktoré môžu byť použité na simuláciu klimatických podmienok v rôznych oblastiach.

• Food and Agriculture Organization of the United Nations (FAO) (http://www.fao.org/faostat/en/#data): FAO poskytuje štatistické dáta o lesníctve a odlesňovaní, vrátane údajov o množstve odlesnených ploch v rôznych krajinách a regiónoch.

[[User:Drgv00|Drgv00]] ([[User talk:Drgv00|talk]]) 15:44, 7 May 2024 (CET)

: Mě tam vychází, že je tam vlastně jen jeden skutečný parametr, to je intenzita těžby a tn má (možná) vliv na oteplování. Za mě spíš na systémovou dynamiku, ale i tam mi to připadá velmi jednoduché. Zkuste to vymyslet nějak jinak. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 17:46, 10 May 2024 (CET)

== Simulace plastového znečištění oceánů ==

=== Popis ===
Simulace se zaměřuje na aktuální problém znečištění oceánů plastem. Oceány se neustále znečišťují, ale je i vynaložené úsilí toto znečištění mitigovat. Tato simulace reflektuje oba aspekty problematiky. Simulace ukáže interakci úklidových lodí a hromadícího se plastu v oblasti Great Pacific Garbage Patch.

=== Cíl ===
Cílem simulace je zkoumat mitigační schopnosti úklidových lodí v oblasti Great Pacific Garbage Patch a navrhnout hrubý plán projektu, který by symbolizoval optimální počet nasazených úklidových lodí pro efektivní odbyt plastu a hlavní faktory příspívající do navyšujícího se znečištění.

=== Užitečnost ===
Výsledky této simulace mohou bý užitečné jak pro laiky, kterým přehledně vizualizuje akutní problematiku z hlediska znečištění oceánů, tak pro experty, kteří na základě výsledků mohou sledovat trendy znečištění na základě zkoumaných faktorů - zda je možné nalézt řešení, které vyústí v rychlejší odbyt plastu v oceánech, než jeho přísun. Též je vhodné identifikovat faktory, které nejvíce přispívají znečištění.

=== Metoda a způsob simulace ===
Nejsem si jistý, zda vytvářím moc komplikovaný návrh, tak rozděluji agenty na kategorie co si myslím, že by bylo zásadní, a co naopak dodatečné.

Základ:

Simulace bude modelována jakožto agentní simulace pomocí nástroje NetLogo. Mezi agenty lze řadit úklidové lodě a samotné plastové částice.

Rozšíření:

Autora napadlo přidat i lodě, které naopak znečištění způsobují (cca 70% odpadu v mořích způsobují právě lodě). Též je jedním z nápadů přidat jako agenta mořského živočicha, který by přílišnou vysokou koncentrací znečištění "trpěl", a dostatečnou mitigací znečištění naopak mohl existovat relativně bez problému.

=== Proměnné ===
Nejsem si jistý, zda vytvářím moc komplikovaný návrh, tak rozděluji proměnné na kategorie co si myslím, že by bylo zásadní, a co naopak dodatečné.

Základ:

• Množství vypouštěného plastu

• Koncentrace plastu na km^2

• Kapacita úklidové lodě

• Rychlost úklidové lodě

• Rychlost oceánských proudů (přísun plastu)

Rozšíření:

• Velikost plastu (mikroplast, mesoplast, makroplast, megaplast)

• Kategorie plastu (Typ H, N, P, F)

• Persistence plastu (schopnost přetrvávat na jednom místě)

• Geografická lokalizace vypouštění plastu

• Vertikální pozice plastu (pokud se plast objeví, jestli je moc hluboko na zachycení lodí)

=== Náhodné proměnné ===
• Události (katastrofy, dobrovolnické akce pro sběr plastu)

• Počasí (povětrnostní podmínky)

• Lidská činnost (změna legislativy, spotřeba plastových výrobků)

=== Použitá data pro nastavení simulace ===
• Především: https://theoceancleanup.com/great-pacific-garbage-patch/

• https://powerknot.com/2023/02/20/how-ships-are-fueling-the-global-plastic-pollution-crisis/

• https://www.earthdata.nasa.gov/learn/articles/ocean-plastic

• https://marine.copernicus.eu/explainers/phenomena-threats/plastic-pollution/from-plastic-marine-pollution

• https://www.geographyrealm.com/how-ocean-currents-move-pollution-around-the-world/

• https://theoceancleanup.com/ocean-plastic/

[[User:Kovs04|Kovs04]] ([[User talk:Kovs04|talk]]) 21:52, 7 May 2024 (CET)

: Pokud se na ten model budete dívat staticky, tedy, že plast jen uklízíte, ale žádný nový tam nepřibývá (a netvrdím, že to je špatně), je třeba to náležitě zargumentovat. '''Schváleno'''. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 17:49, 10 May 2024 (CET)

Děkuji za schválení, model nebyl zamýšlen staticky, plast určitě přibývá, a některé lokality mají tendence plast shlukovat (například lokace, kterou jsem vybral). Cílem je zachytit jak úklid, tak přibývání plastů, a dospět do situace, kdy bude úklid natolik efektivní, že bude oblast dostatečně čistá. To je nicméně moje dosavadní vize, pokud narazím na překážky, kontaktuji Vás.
[[User:Kovs04|Kovs04]] ([[User talk:Kovs04|talk]]) 18:54, 10 May 2024 (CET)

== Simulácia: predikcia počtu obyvateľov Slovenskej republiky ==

=== Popis ===

Práca bude simulovať vývoj počtu obyvateľov Slovenska do budúcna. Do úvahy sa bude brať viacero faktorov, ktoré můžu ovplyvňovať vývoj počtu obyvateľov, preto sa budem snažiť o čo najprenejšie výsledky a aby simulácia zohľadňovala dostatočné mnžostvo faktorov a bola komplexná. Simulácia bude založená iba na reálnych dostupných štatistických dátach a nebude obsahovať žiadne náhodné premenné.

=== Prostredie ===
Simulácia bude prebiehať v prostredí Vensim.

=== Cieľ ===
Predpovedať a graficky znázorniť dlhodobý vývoj počtu obyvateľov SR (napríklad 150 rokov dopredu). Popísať trend rastu/poklesu obyvateľov. Projekcia pôrodnosti, úmrtnosti. Aký faktor ovplyňuje vývoj populácie najviac? Akú rolu v tomto hrajú ostatné faktory?

=== Premenné ===

• počet obyvateľov

• prírastok

• úbytok

• imigrácia

• emigrácia

• úmrtnost

• porodnosť

• a ďalšie podľa potreby

=== Dáta ===
Vstupné dáta budú podľa najlepšieho formátu vybrané z:

https://www.statista.com/statistics/1009083/total-population-slovakia-1950-2020/.

https://www.worldometers.info/world-population/slovakia-population/.

https://worldpopulationreview.com/countries/slovakia-population

[[User:Simon kavicky|Simon]] ([[User talk:Simon kavicky|talk]]) 11:06, 8 May 2024 (CET)
:: '''Schváleno'''. Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci).[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 13:47, 9 May 2024 (CET)

== Simulace profitability nových finančních produktů při zohlednění rizika nedobytnosti pohledávek a ceny zdrojů ==

=== Cíl ===
Cílem je vytvořit nástroj pro podporu prvnotního nastavení RPSN (poplatku a/nebo sazby) nově nabízeného finančního produktu podle míry rizika nedobytnosti pohledávek a ceny zdrojů za účelem zajištění profitability. Nástroj by měl být parametrizovatelný na základě potřeb finanční organizace, včetně možnosti upravit simulaci podle analýzy vlastních historických dat z již nabízených produktů – viz část o datech níže.

=== Využití ===
Uživateli by měli být pracovníci z oddělení finančních institucí zodpovění za pricing produktů a služeb. Protože se jedná o netechnické uživatele s vysokou úrovní kvalifikace v jiném oboru, měla by být simulace spustitelná z "frontendu" – úvodní obrazovky, která umožňuje zadat finanční nebo statistické vstupy popisující historická data a cenu zdrojů. V případě nezadání některé z hodnot se použijí rozumné předdefinovnaé hodnoty.

=== Metoda a prostředí simulace ===
Monte Carlo, Excel. Záměrem je vytvoření rozsáhlejší a vícekrát iterované simulace pro zajištění kvalitního výsledku na základě statistických informací o historických datech na již spuštěných, podobných typech produktů.

=== Proměnné ===
Vzhledem ke zvolené metodě budou generovány řádově stovky záznamů o fiktivních úvěrech, jejichž parametry budou odpovídat statisticky určeným rozdělením na základě vstupního datasetu popsaného níže. Zásadní je přitom informace, zda úvěrový produkt "defaultoval" – zda byl nebo nebyl splacen ze strany klienta. Jedná se o binární závislou proměnnou, určenou na základě výše úvěru, příjmu klienta a případně dalších vybraných veličin dostupných v datech, jejichž hodnota bude určována na základě zjištěného rozdělení pravděpodobnosti. Sledovaná závislá proměnná bude určena na základě překročení prahové hodnoty váženým součtem ostatních veličin, přičemž správnost stanovení prahové hodnoty a vah bude ověřena vůči vstupnímu datasetu.
Na vstupu se bude očekávat parametr ceny zdrojů a případně statistické informace.
Výstupním parametrem bude "break-even" RPSN, nad kterou by již měl být produkt profitabilní. U skutečných produktů by bylo nutné určit sazbu, poplatek nebo jejich kombinaci; jedná se nicméně o ryze obchodní rozhodnutí, protože sazby a poplatky jsou typicky technicky převeditelné.

=== Data využitá pro přípravu simulace ===
Využití skutečných dat je problematické z hlediska regulací, kterým bankovní instituce podléhají. Bude proto statisticky zpracován vstupní dataset [https://app.datacamp.com/learn/courses/credit-risk-modeling-in-python] z výukové aplikace, ale uživatel bude mít také možnost zadat jiné statistické informace na základě vlastní analýzy (nebo informací od příslušného oddělení).

[[User:Budj07|Budj07]] ([[User talk:Budj07|talk]]) 20:17, 9 May 2024 (CET)

:: '''Schváleno'''.[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 10:37, 10 May 2024 (CET)

== Simulace implementace SW projektu pro potřeby projektového řízení ==

=== Cíl ===
Cílem této simulace je vytvořit model systémové dynamiky softwarového projektu, který zohlední známé proměnné i prvek náhody a pomůže zkoumat vliv jednotlivých faktorů a vzájemné ovlivňování v důležitých parametrech projektu

=== Využití ===
Model by mohl být použit při naceňování, stanovení termínu dodání, nebo odhadu míry rizika. Mohl by být použit i na modelování důsledků změn v projektu.

=== Metoda a prostředí simulace ===
Simulace bude realizována prostřednictvím nástroje Vensim.

=== Proměnné ===
. Scope
. Costs
. Time
. Resources
. Quality
. Risk

=== Náhodné proměnné ===

nemoc výpověď dovolená chyba v analýze

=== Zdroje ===

LI, Suinan. A generic model of project management with Vensim. 2008. Master's Thesis. Universiteteti Agder/Agder University.
https://uia.brage.unit.no/uia-xmlui/bitstream/handle/11250/137043/Suinan_Li.pdf?sequence=1

BESTEIRO, Élen Nara Carpim; DE SOUZA PINTO, Jefferson; NOVASKI, Olívio. Success factors in project management. Business management dynamics, 2015, 4.9.
https://web.archive.org/web/20180420205905id_/http://bmdynamics.com/issue_pdf/bmd110530a-%2019-34.pdf

[[User:Pavl11|Pavl11]] ([[User talk:Pavl11|talk]]) 20:30, 9 May 2024 (CET)

:: '''Schváleno.''' Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci).[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 10:38, 10 May 2024 (CET)

== Simulace účinnosti očkování na šíření nákazy ==

=== Popis ===

Simulace bude řešit problematiku očkování a její účinnosti proti agresivní nákaze. Bude možné si nastavit počet obyvatel (hustotu zalidnění), počáteční počet očkovaných lidí, agresivitu a dobu nakaženosti (tedy možného úmrtí a přenosu).

=== Cíl ===

Poukázat na fakt, že očkování má velký dopad na boj proti agresivním a rychle se šířícím nákazám.

=== Užitečnost ===

Simulace nám může ukázat, jak se nákazy šíří a jak moc velký vliv má proočkovanost lidí na šíření nemoci.

=== Metoda a způsob simulace ===

Simulace v aplikaci NetLogo

=== Proměnné ===
- Počet obyvatel v oblasti

- Počet počátečně očkovaných lidí

- Počet počátečně nakažených lidí

- Pravděpodobnost nákazy při kontaktu

- Pravděpodobnost úmrtí na nákazu

- Doba nakažení (nemoci)

- Účinnost očkování (pravděpodobně by to chtělo taky zahrnout)

- Při jakém procentu se lidi začnou hromadně očkovat a míra, kolik lidí se nechá očkovat

- Umístění vzniku tornáda

=== Náhodné proměnné ===

- Síla imunity

- Rychlost, směr a obecně kontakty agentů

- Přenos nákazy

=== Použitá data pro nastavení simulace ===

Data si bude moci člověk pomocí posuvníků nastavit sám. Pokud bude potřeba nastavit počáteční hodnoty dle nějaké konkrétní nemoci, data ještě dodám.

[[User:Sedp11|Sedp11]] ([[User talk:Sedp11|talk]]) 11:45, 10 May 2024 (CET)

: V uplynulých letech bylo něco takového zpracováno mnohokrát. Upřímně doporučuji vymyslet něco jiného. Jednak budete mít problém přidat další přidanou hodnotu, jednak toto téma má problém na jedné straně s tím, že aby to bylo realistické, jsou ty modely dost složité a na druhé straně, pokud se náležitě zjednoduší, jsou zpravidla k ničemu. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 17:52, 10 May 2024 (CET)

== Simulace evakuace při zemětřesení v Japonsku ==

=== Popis ===
V této práci se pokusím nasimulovat evakuaci osob při zemětřesení v Japonsku, konkrétně v centru města Nagoya.

=== Cíl ===
Hlavním účelem je zachytit takový scénář, který bude dále možné využít k analýze dopadů na infrastrukturu a obyvatelstvo po zemětřesení. Dále by mohlo být možné identifikovat ideální trasy k evakuaci či naopak oblasti, kterým se vyhnout.

=== Metoda a způsob simulace ===
Plánuji použít nástroj NetLogo, mělo by se jednat o multiagentní simulaci.

=== Agenti ===
Osoby/Budovy/Úkryty

=== Proměnné ===
• Rozložení úkrytů
• Zalidnění oblasti
• Stav osoby
• Rychlost osoby
• Stav budovy
• Kapacita úkrytu

=== Náhodné proměnné ===
• Rozhodnutí k evakuaci
• Síla zemětřesení
• Úroveň paniky

=== Data ===
• https://www.city.nagoya.jp/bosaikikikanri/cmsfiles/contents/0000154/154013/06_english_jishin_naka.pdf: mapa znázorňující umístění evakuačních úkrytů, očekávanou intenzitu zemětřesení a pravděpodobnost ztekucení/sesuvu půdy

• https://www.citypopulation.de/en/japan/nagoya/23106__naka_ku/: zalidnění oblasti, věkové rozložení obyvatelstva

• https://www.jstage.jst.go.jp/article/jnds/34/1/34_41/_pdf/-char/ja: studie pro inspiraci

[[User:Helm07|Helm07]] ([[User talk:Helm07|talk]]) 12:25, 10 May 2024 (CET)

: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 17:53, 10 May 2024 (CET)

== Simulace zombie apokalipsy ==

=== Popis ===
V této práci se pokusím nasimulovat děj, kdy se lidi snaží přežít apokalipsu tím, že hledají jídlo, krmí lovce, kteří loví zombíky. Mezitím je loví zombíci.

=== Cíl ===
Hlavním účelem je zachytit takový scénář, kdy se povede lidem přežít apokalipsu a vymazat zombíky z povrchu zemského.

=== Metoda a způsob simulace ===
Plánuji použít nástroj NetLogo, mělo by se jednat o multiagentní simulaci.

=== Agenti ===
Osoby/Budovy/Úkryty

=== Proměnné ===
• Poměr lovců a sběračů
• Procento o kolik jídla se sběrač podělí s lovcem
• Critical hit damage
• Počet bloků jídla

=== Náhodné proměnné ===
• Počet lidí
• Počet zombíků
• Počáteční damage lovců

[[User:Bohr03|Bohr03]] ([[User talk:Bohr03|talk]]) 13:03, 10 May 2024 (CET)

: Jak prokážete, že Vám model funguje? [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 17:54, 10 May 2024 (CET)

== Simulace vývoje korálových útesů ==

=== Popis ===
Korálové útesy představují jedny z nejcennějších ekosystémů naší planety, ale v posledních desetiletích jsou vystaveny značnému tlaku způsobenému lidskou činností a změnami životního prostředí.

=== Cíl ===
Cílem této simulace je zkoumat komplexní interakce, které ovlivňují zdraví a stabilitu korálových útesů.

=== Užitečnost ===
Model umožní lépe porozumět faktorům, které přispívají k zániku korálových útesů a které faktory na korálové útesy mají jen minimální dopad.

=== Metoda a způsob simulace ===
Metoda a způsob simulace budou realizovány prostřednictvím nástroje Vensim.

=== Proměnné ===
• Velikost korálového útesu
• Teplota vody
• Míra rybolovu
• Kyselost moří
• Znečištění

=== Náhodné proměnné ===
• Přirozená teplota vody
• Přírodní katastrofy
• Ekonomické trendy
• Politické změny

=== Použitá data pro nastavení simulace ===
https://www.climatefoundation.org/reversing-coral-bleaching.html?gad_source=1&gclid=CjwKCAjwi_exBhA8EiwA_kU1Mn29cECn6ZAe5bbSqClNxABvD8Ic7PTnx93Z5tGExSb2kSquoM8LpBoCkQ8QAvD_BwE
https://climate.nasa.gov/explore/ask-nasa-climate/3290/vanishing-corals-part-two-climate-change-is-stressing-corals-but-theres-hope/

[[User:Osis02|Osis02]] ([[User talk:Osis02|talk]]) 14:54, 10 May 2024 (CET)

::'''Schváleno.''' Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci) [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 14:26, 11 May 2024 (CET)

== Vesmírné smetí: simulátor kolizí satelitů a vesmírného smetí ==
=== Popis ===
* Chtěl bych simulovat pohyb satelitů a vesmírného odpadu (tzv. vesmírného smetí) v dílčí části zemské oběžné dráhy (reprezentované jako 2D rovina), kde se satelity pohybují po předem určených trajektoriích, ale pohyb smetí je poněkud náhodný. Pokud se smetí srazí s jiným smetím, změní směr a vytvoří o něco více smetí, pokud se smetí srazí se satelitem, satelit je zničen a vznikne velké množství smetí.
=== Cíl ===
Instance simulace, by vypočítala časový odstup mezi srážkami na základě výchozích podmínek, jako je počet družic, hustota trosek a násobení trosek (kolik kusů dalších trosek srážky vytvoří).
=== Užitečnost ===
* Kosmický odpad představuje významný problém kvůli rostoucímu množství vyřazených družic, vyhořelých raketových stupňů a úlomků na oběžné dráze Země. Rostoucí množství odpadu zvyšuje riziko kolize, což ohrožuje operující družice a budoucí vesmírné mise. Tento problém ohrožuje vesmírnou infrastrukturu, zhoršuje zahlcení oběžné dráhy a vyvolává hrozbu vzniku ještě většího počtu fragmentů v důsledku srážek, což může vést k vytvoření samoudržujícího se cyklu šíření vesmírného odpadu. Řešení tohoto problému má zásadní význam pro zajištění udržitelnosti kosmických aktivit a předcházení dlouhodobým důsledkům pro orbitální prostředí Země a výzkum vesmíru. Navrhovaný simulátor by mohl pomoci ukázat a vypočítat podmínky, za kterých takové samoudržující se šíření kosmického odpadu vzniká; i když se zjednodušeným modelem, a snad i poučit o výše uvedeném problému.
=== Metoda a způsob simulace ===
* NetLogo - agent based modeling (dva typy agentů: satelity (družice) a vesmírné smetí)
** Při zpracování modelu použiji nádledující zjednodušení:
*** budu modelovat pouze dílčí část oběžné dráhy Země, která bude znázorněna jako 2D "mapa" pevné velikosti (pixelů/čtverečků) tvořící mřížku,
*** objekty (satelity a smetí) se mohou na mapě pohybovat pouze v 8 různých směrech,
*** všechny objekty se pohybují stejnou rychlostí (jeden pixel/čtvereček za tah),
*** objekty jsou čtverce; minimální velikost je 1x1 pixel/čtvereček, pak 2x2 pixely/čtverečeky atd...
*** při srážce objektů je výsledný počet trosek (smetí) náhodné celé číslo mezi 1 a součtem velikostí (pixelů) kolidujících objektů,
*** hmotnost objektů je úměrná jejich velikosti, tj. 1 (pixel) = 1 jednotka hmotnosti,
*** všechny objekty se řídí Newtonovými pohybovými zákony.
=== Proměnné ===
* Proměnné pro výchozí podmínky
** velikost mapy
** počet satelitů
** počet smetí
** výchozí poloha a směr objektů
* Proměnné agentů (satelity a smetí)
** velikost
** hmotnost
** směr pohybu
=== Použitá data pro nastavení simulace ===
* Za účelem simulace realistických scénářů - budou získány údaje z NASA a dalších relevantních studií týkající se hustoty úlomků a počtu družic na oběžné dráze, které budou sloužit jako výchozí podmínky navrhovaného modelu. Konkrétně plánuji použít údaje získané a zveřejněné na:
**[https://orbitaldebris.jsc.nasa.gov/|NASA ORBITAL DEBRIS PROGRAM OFFICE]
**[https://platform.leolabs.space/visualization|LEOLABS Low Earth Orbit Visualization]
[[User:Vala18|Vala18]] ([[User talk:Vala18|talk]]) 17:30, 10 May 2024 (CET)
: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 17:27, 10 May 2024 (CET)

Assignment SS 2023/2024/cs

2024-05-10T10:23:54Z

Rubo01:

{{DISPLAYTITLE:Zadání LS 2023/2024}}

{{Ambox
| text = <div>
Na tuto stránku vkládejte svá zadání. Nezapomeňte se podepsat. Můžete použít <nowiki>~~~~</nowiki> (čtyři tildy) k automatickému podpisu. Používejte Ukázat náhled, abyste si prohlédli Váš výsledek před konečným odesláním.
</div>
}}

{{Ambox
| text = <div>
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]].
</div>
}}

{{Ambox
| text = <div>
Témata na téma hazardních her, karet, vývoje cen akcií/indexů '''nejsou''' vítány. Rovněž varianty úlohy "Predator & Prey" a příkladů ze cvičení vám '''budou rozmluveny'''.
</div>
}}

{{Ambox
| type = content
| text = <div>
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.
</div>
}}

{{Ambox
| text = <div>
'''Criteria for evaluation of the simulation proposal'''

The proposal must contain:
*What you will simulate
*The goal of the simulation (what you analyze - i.e. not "to simulate balloon factory", but what problem should the simulation solve).
*Who would actually use such simulation (example of such user) and how would it help him
*What method and simulation environment you plan to use. Choose only from the development environments that we have used in the course.
*What variables will be incorporated
*What variables will be random
*What exact data you will base values of your variables on
*(In case of Monte Carlo) What exact data you will base your determination of probability distribution of your random variables on
*What exact data you will base your formulas in the simulation (simulation behavior) on

'''If any of the above points are missing from the simulation proposal, the proposal is considered incomplete. Unless the proposal contains all of the above points it will not be evaluated at all (and therefore cannot be approved).'''

# Is it clear from the proposed assignment how the simulation will work?
# Does the simulation make sense?
# Is the simulation model complex enough to simulate credibly the real-world phenomenon that the simulation tries to simulate?
# Is the data used real and relevant for the real-world phenomenon that the simulation tries to simulate?
# Is the simulation feasible? (in given time by the course)

'''If the answer to any of the above points is no, you need to improve your proposal. Don't wait for us to tell you so - you're wasting your time.'''

</div>
}}

== Simulacia urgentneho prijmu v nemocnici ==

=== Popis ===
Simulacia urgentneho prijmu v nemocnici, kde pacienti pocas dna prichadzaju v roznych casoch s roznou zavaznostou ochorenia. Pacienta najprv prijme sestra a nasledne vysetri lekar. Po vysetreni je pacient bud prepusteny alebo hospitalizovany. Myslienkou je vytvorit zjednoduseny model nemocnice s urcitou kapacitou a pozorovat ako pocet lekarov a sestier, pocet miestnosti na vysetrenie a algoritmus pre „triedenie“ / prioritizaciu pacientov na urgentnom prijme ovplyvnuje zaplnenie dostupnych lozok.

=== Cíl ===
Zistenie optimalneho poctu lekarov, sestier a miestnosti pre modelovanu nemocnicu. Testovanie roznych strategii prioritizacie pacientov.

=== Užitečnost ===
Simulacie oddeleni v nemocnici su uzitocne pre riesenie roznych problemov, napr.:

• Alokacia zdrojov

• Optimalizacia toku pacientov

• Redukcia cakania na vysetrenie a dlzky hospitalizacie

=== Metoda a způsob simulace ===
Diskretna simulacia v NetLogo alebo AnyLogic (necham si poradit)

=== Proměnné ===
• Kapacita nemocnice

• Pocet osetrujcich lekarov

• Pocet zdravotnych sestier

• Pocet miestnosti na vysetrenie

=== Náhodné proměnné ===
• Stav pacienta

• Dlzka vysetrenia

• Vysledok vysetrenia

• Prichod pacientov

• Odchod pacientov

=== Použita data pro nastavení simulace ===
Data pre konkretne zariadenia su limitovane. Cerpat je mozne z celkovych statistik zdravotnickych zariadeni v CR/SR a z existujucich studii.

Narodne Centrum Zdravotnickych Informacii, [https://www.nczisk.sk/Statisticke_vystupy/Tematicke_statisticke_vystupy/Pages/default.aspx]

Ustav Zdravotnickych Informaci a Statistiky CR, [https://www.uzis.cz/]

Modeling and simulation of patient flow at the emergency services: Case of Al-Zahraa Hospital University Medical Center in Lebanon, [https://uphf.hal.science/hal-03199182/document]

[[User:Sekp02|Sekp02]] ([[User talk:Sekp02|talk]]) 11:40, 9 May 2024 (CET)

== Simulace tornáda ve venkovské oblasti ==

=== Popis ===
Jedná se o simulaci tornáda ve venkovské oblasti, kde může tornádo zasáhnout domy, farmy a další infrastrukturu. Obyvatelé oblasti jsou vystaveni riziku ničivých škod a je nutné zkoumat strategie předcházení a zvládání následků této katastrofy. Obyvatelé budou mít také možnost úniku do několika bunkrů.

=== Cíl ===
Cílem modelu je porozumět dopadům tornáda na venkovskou oblast a zjistit, jaká opatření mohou minimalizovat škody a zvýšit podíl přeživších. Důraz je kladen na analýzu evakuace a výstrahy.

=== Užitečnost ===
Model tornáda je užitečný pro studium a testování různých strategií řízení rizik spojených s tornády. Poskytuje prostředek pro zkoumání účinnosti evakuace, plánování obnovy a analýzu dopadů tornáda na obyvatelstvo a infrastrukturu venkovské oblasti.

=== Metoda a způsob simulace ===
Simulace je založena na agentově založeném modelu, kde každý agent představuje jednotlivého obyvatele nebo budovu v oblasti. Tornádo je modelováno jako pohybující se entita, která může způsobit škody na okolním prostředí. Interakce mezi tornádem a agenty jsou simulovány na základě pravděpodobnostních modelů. Jako nástroj pro simulaci využiji NetLogo.

=== Proměnné ===
• Typy budov a infrastruktura v oblasti

• Hustota obyvatelstva

• Rychlost a velikost tornáda

• Doba výstrahy a reakce obyvatel

=== Náhodné proměnné ===
• Umístění vzniku tornáda

• Intenzita a směr pohybu tornáda

• Reakce obyvatel na varování a evakuaci

• Škody způsobené tornádem na konkrétních místech

=== Použita data pro nastavení simulace ===
Studie od Daan Liang, Zhen Cong a Guofeng Cao https://journals.ametsoc.org/view/journals/wcas/14/2/WCAS-D-21-0089.1.xml

[[User:Javf00|Javf00]] ([[User talk:Javf00|talk]]) 12:43, 8 May 2024 (CET)

== Simulácia evolúcie neurónovej siete, ktorej cieľom je naučiť sa hrať klasickú hru Snake ==

=== Popis ===
Práca bude simulovať evolúciu agentov, ktorí sa budú snažiť naučiť hrať klasickú hru Snake. Každý agent bude predstavovaný neurálnou sieťou, ktorá na základe aktuálneho stavu hry rozhodne ako ďalej pokračovať. Cieľom práce bude zistiť najvhodnejšie parametre pre vývoj agentov.

=== Prostredie ===
Pre simuláciu evolúcie bude potrebné simulovať viacero generácií '''E''' a v každej generácii bude populácia agentov o veľkosti '''N'''. Každý agent bude hrať samostatnú inštanciu hry Snake. Po odohraní hier agentov v danej generácii sa vypočíta fitness (skóre) najlepšieho agenta.
Podľa fitness sa vyberú jedinci pre ďalšiu generáciu (podľa miery elitizmu '''e'''). Ďalej sa generácia doplní novo vytvorenými agentami (potomkami), ktorí vzniknú krížením dvoch náhodne vybratých agentov. Potomkovia budú ešte zmutovaný podľa miery mutácie '''m'''. Ďalej bude pokračovať ďalšia novo vytvorená generácia.

=== Agenti ===
Každý agent bude pozostávať z neurónovej siete. Agent bude "vidieť" do ômych smerov (hore, dole, vľavo, vpravo, vpravo-hore, vpravo-dole, vľavo-dole, vľavo-hore) od hlavy hada. Pre každý smer uvidí vzdialenosť k stene, vzdialenosť k jablku (ak ho v daný smer vidí) a vzdialenosť ku svojemu chvostu (ak ho v daný smer vidí). Čiže na vstupnej vrstve bude mať 24 neurónov (8 smerov x 3 indikátory) + 4 neuróny predstavujúce smer do ktorého ide hlava hada. Celkovo 28 neurónov. Počet skrytých vrstiev a neurónov v nich môže byť cieľom skúmania práce. Váhy väzieb medzi neurónami budú z počiatku náhodné z uniformného rozdelenia, následne budú menené mutáciami agentov. Na výstupe neurónovej siete bude smer akým sa má had ďalej uberať, čiže 4 neuróny pre Hore, Dole, Vľavo, Vpravo.

=== Cieľ ===
Cieľom práce bude zistiť najvhodnejšie parametre pre vývoj agentov. S evolučným algoritmom mám skúsenosti - riešil som ním 3SAT problém a preto viem že výpočty môžu zabrať značnú dobu. Preto by som určil niektoré parametre, ktoré budú pevné a niektoré, ktoré budú cieľom skúmania. Tu mám 3 možnosti, ktoré by ma zaujímali. V každom prípade bude pevný parameter '''N''' (počet jedincov v populácii) a '''E''' počet generácií. Prvá možnosť by malá pevný počet skrytých vrstiev agentov s pevným počtom neurónov v nich a menila by sa miera mutácie a miera elitizmu. Druhá možnosť je podobná prvej, no počet skrytých vrstiev a neurónov v nich by sa s mutáciami agentov mohol meniť (čo je vlastne len zťaženie možnosti 1, ale asi sa to viac podobá skutočnej evolúcii). Tretia možnosť je, že miera mutácie a elitizmus budú pevné parametre a manuálne sa bude meniť počet vrstiev a neurónov (čo teraz ako to píšem sa mi úplne nezdá - malo by to hrozne veľa možností a ani sa to tak veľmi nepodobá evolúcii). V každom prípade budem porovnávať výsledky, ktoré agenti dosiahli za '''E''' generacií (najlepšie skóre, priemerné skóre, smerodajnú odchylku).

(Môj osobný cieľ bude, aby agent dosiahol aspoň 10 bodov a pritom, aby bolo vidno, že to nebola náhoda :D )

=== Nástroje ===
Python s knižnicou numpy pre prácu s maticami váh, knižnicou matplotlib pre grafické znázornenie výsledkov populácií a knižnicou tkinter pre zobrazenie hier (zobrazenie je to najmenej podstatné a pritom to najlepšie :D).

=== Autor ===
[[User:Stem45|Stem45]] ([[User talk:Stem45|talk]]) 10:18, 1 May 2024 (CET)

== Simulace přestupu na stanici metra Můstek ==

=== Popis ===
Simulovat chci přestup z linky A na linku B a naopak. Jelikož se jedná o jednu z nejvytíženějších stanic metra v Praze zaměřím se na dobu, ve které je stanice nejvíce zatížená. Zkoumat se budou oba směry příjezdu. Simulace nebude uvažovat cestující kteří chtějí z metra vystoupit.

=== Cíl ===
Výsledkem simulace by mělo být nalezení optimální cesty pro přechod z linky A na linku B a naopak. Optimální cesta bude zahrnovat i výstup z vagonu, tedy bude záležet ze kterého vagonu agent vystoupí.
Optimálnost cesty se bude měřit podle:

1. Uražené vzdálenosti

2. Průměrném času

=== Užitečnost ===
Tato simulace poskytne jednoduchou a přímočarou odpověď do kterého vagonu nasednout a kterou cestou se vydat chceme-li co nejrychleji přestoupit na linku B či A a stihli tak navazující spoj.

=== Metoda a způsob simulace ===
Pro simulaci tohoto druhu budu volit agentní simulaci, kde agenti budou cestující metra. Jako nastroj pro simulaci využiji NetLogo.

=== Proměnné ===
• Příjezd metra

• Počet pasažérů

• Rychlost cestujícího

• Zvolena trasa přestupu

=== Náhodné proměnné ===
Vše až na “Příjezd metra”. Zbytek bude náhodně z intervalu získaného z dat nebo náhodným výběrem z několika možností.

=== Použita data pro nastavení simulace ===
Oficiální data od DPP o metru z roku 2015: https://data.pid.cz/pruzkumy/2015_METRO_sbornik.pdf

[[User:Bled09|Bled09]] ([[User talk:Bled09|talk]]) 16:25, 1 May 2024 (CET)

: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:21, 7 May 2024 (CET)

== Simulace boardingu pasažéru do letadla ==

=== Popis ===
Tato práce bude podrobně zkoumat proces nástupu cestujících do letadla a srovnávat účinnost různých metod, které se při tomto procesu používají. Bude se zabývat simulací samotného boardingu, abychom lépe porozuměli, jak různé strategie ovlivňují průběh nástupu a celkový čas potřebný k dokončení této fáze cesty.

=== Cíl ===
Cílem simulace je identifikovat nejefektivnější způsob nástupu cestujících s ohledem na minimalizaci celkové doby nástupu a maximalizaci spokojenosti cestujících. Simulace bude modelovat různé metody boardingu, jako je zónový boarding, skupinový boarding a nástup podle sedadel, a analyzovat jejich vliv na celkový čas nástupu a další relevantní faktory.

=== Užitečnost ===
Výsledky simulace poskytnou užitečné poznatky pro optimalizaci procesu boardingu letadla a zlepšení cestovního zážitku cestujících.

=== Metoda a způsob simulace ===
Pro simulaci tohoto druhu budu volit agentní simulaci, kde agenti budou cestující metra. Jako nastroj pro simulaci využiji NetLogo.

=== Proměnné ===
• Metoda boardingu

• Rozložení letadla a jeho velikost

• Časový rozvrh

• Strategie priority boardingu

=== Náhodné proměnné ===
• Chování cestujících - rychlost

• Náhodné rozložení cestujících v jednotlivých zónách

• Náhodné změny v chování cestujících

• Náhodné události

=== Použita data pro nastavení simulace ===
Vzniklá studie od Jason H. Steffen: https://www.sciencedirect.com/science/article/abs/pii/S0969699708000239

[[User:Arťom Ňorba|Arťom Ňorba]] ([[User talk:Arťom Ňorba|talk]]) 09:16, 2 May 2024 (CET)

: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:23, 7 May 2024 (CET)

== Simulace vývoje alkoholismu: Závislost, léčba a dopady na zdraví ==

=== Popis ===
Konzumace alkoholu je dlouhodobě v České republice na vysoké úrovni. Roční spotřeba alkoholu na osobu dlouhodobě dosahuje hodnoty kolem 10 litrů čistého alkoholu. Denně si alkohol dopřeje téměř 10 % dospělé populace.
Tato simulace se zaměřuje na modelování systému alkoholismu, který zahrnuje interakce mezi alkoholikem, léčbou, vyléčeným alkoholikem a genetikou. Dále zahrnuje náhodné proměnné, jako je inflace, cena alkoholu, prostředí, stres, nemoc a smrt. Simulace bude ukazovat, jak tyto faktory ovlivňují vývoj alkoholismu a účinnost léčby.

=== Cíl ===
Cílem této simulace je vytvořit model systémové dynamiky, který bude zkoumat vývoj alkoholismu u jednotlivce a jeho dopady na zdraví.

=== Užitečnost ===
Model by umožnil lépe porozumět faktorům, které přispívají k vzniku a prohlubování alkoholismu. Na základě výsledků simulace by pak mohly být navrženy a implementovány účinné politiky a programy pro prevenci a léčbu alkoholismu, které by mohly vést ke zlepšení zdraví populace a snížení nákladů spojených s alkoholismem.

=== Metoda a způsob simulace ===
Metoda a způsob simulace budou realizovány prostřednictvím nástroje Vensim, který je vhodný ke sledování změn hodnot proměnných v čase.

=== Proměnné ===
• Alkoholik
• Alkohol
• Léčba
• Vyléčený alkoholik
• Genetika

=== Náhodné proměnné ===
• Prostředí
• Cena alkoholu
• Inflace
• Stres
• Nemoc
• Smrt

=== Použitá data pro nastavení simulace ===
https://www.drogy-info.cz/zprava-o-zavislostech/souhrnna-zprava-o-zavislostech-v-cr-2022/
https://www.czso.cz/csu/czso/graf-spotreba-alkoholickych-napoju-na-1-obyvatele-v-ceske-republice

[[User:Lacb03|Lacb03]] ([[User talk:Lacb03|talk]]) 09:00, 8 May 2024 (CET)
:: '''Schváleno'''. Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci).[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 13:42, 9 May 2024 (CET)

== Simulace přírodního výběru ==

=== Popis ===
Simulace se zabývá vývojem jedinců v předem definovaném prostředí s možnými vlastnostmi vývoje. Simulace abstrahuje zjednodušený svět a snaží se poukázat na fungování přírodní selekce dle Charlese Darwina.

===Cíl===
Cílem simulace je ukázat a vizualizovat, jak se budou jedinci vyvíjet v rámci přežití v prostředí, kde se vyskytují i ostatní jedinci. Výsledkem jsou takový jedinci, který mají nejvyšší šanci přežít v daném prostředí. Dále budeme sledovat, jakou silou se projevují jednotlivé vlastnosti. To bude rozdílné dle nastavení prostředí.

===Užití===
Simulaci lze použít jako důkaz přírodní selekce a její vizuální interpretaci v zjednodušeném světe. Lze jej využít jako doprovodný materiál při výuce.

===Metoda a způsob simulace===
Jako nástroj pro tvorbu modelu využiji NetLogo, protože tvořím multiagentní systém.

===Prostředí===
Prostředí je dáno čtvercovou plochou. Agenti začínají a končí svůj tah po obvodu plochy. Jestliže se nedostanou na okraj na konci kola (den, který bude složen z určitého počtu ticků), zahynou. V prostředí se každé kolo generuje jídlo.

===Agenti===
Agenti jsou jedinci, kteří se přežívají v prostředí tím, že získají jídlo. Mají různé vlastnosti, které se v čase mění. Jedinec se každé kolo snaží získat, alespoň 1 jídlo, pokud získá 2, může se reprodukovat. Výsledkem se na konci dne reprodukuje, umírá nebo zůstává neměnný. Při cestě do prostoru chodí nahodile (lze aplikovat různé strategie cesty, ale není to hlavní východisko, které chci zkoumat). V průběhu cesty spotřebovávají jedinci energii v závislosti na rychlosti a velikosti. Pokud jedinci dojde energie, tak se nemůže pohybovat = zahyne. Každý reprodukovaný jedinec má změněné vlastnosti v různých závislostech. Výsledkem zkoumáme, kteří jedinci (série vlastností) se v daném prostředí vede nejlépe.
Kromě primárního cíle, se agenti snaží přežít tím, že utíkají před ostatními, kteří jeho mohou sníst.

===Vlastnosti===
Každý agent má své charakteristiky. Hlavní, které chci uplatnit je rychlost, velikost a vnímání, při předpokladu stejné zásoby energie.

• Rychlost – ovlivňuje rychlost pohybu v prostředí. Zvyšuje spotřebu energie.

• Velikost – Pokud je jedinec o x % větší než druhy, tak jej může sníst namísto jídla.

• Vnímání – Je vlastnost, do jaké vzdálenosti jedinec vidí jídlo nebo hrozbu.

===Princip===
Simulace probíhá v kolech. V jednom kole vybíhají jedinci z okraje plochy a opět se do ní vracejí viz. „Agenti“. Na konci kola, zahynou jedinci v prostoru. Ti, kteří získali 1 jídlo a vrátili se, zůstávají nemění a ti, kteří získali 2 jídla se reprodukují s mutacemi. Ve větším počtu cyklů tím docílíme toho, že přežijí jedinci s vlastnostmi lépe adaptovanými k tomu, jak prostředí funguje.

===Proměnné===
• Počet aktérů

• Počet generovaného jídla

• O kolik procent musí být jedinec větší, aby mohl sníst menšího

• Zásoba energie

===Náhodné proměnné===
• Původní umístění jedinců

• Umístění jídla

• Změna vlastností

===Data pro nastavení simulace===
Jelikož se jedná o přírodní výběr, lze se k proměnným chovat jako k jiným fenotypovým vlastnostem, tedy pro každou vlastnost může být odlišná. Avšak k odvození hodnot použiji tento článek: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3497250/

Další zdroje:

https://evolution.berkeley.edu/teach-evolution/misconceptions-about-evolution/

https://www.khanacademy.org/science/biology/her/evolution-and-natural-selection/v/introduction-to-evolution-and-natural-selection

[[User:Rubo01|Rubo01]] ([[User talk:Rubo01|talk]]) 12:06, 6 May 2024 (CET)

: Velmi obecné, konkretizujte. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:25, 7 May 2024 (CET)

: Pokusil jsem se zadání více konkretizovat. [[User:Rubo01|Rubo01]] ([[User talk:Rubo01|talk]]) 06:18, 9 May 2024 (CET)

== Simulácia podkladní v supermarkete ==

=== Popis ===
Simulácia sa zameriava na skúmanie vplyvu počtu pokladní na zisk supermarketu. Cieľom je zistiť, ako množstvo pokladní má najväčší pozitívny vplyv na zisk, pričom sa berú do úvahy aj dlhé fronty, ktoré môžu odradiť zákazníkov a viesť k ich odchodu.

===Agenti===
Agenti sú jednnotlivý zákazníci.

===Cíl===
Cieľom simulácie je nájsť optimálny počet pokladní a ich rýchlosť obsluhy, ktoré zabezpečia maximálny zisk pre supermarket.
Optimálny počet pokladní a rýchlosť obsluhy budú merať podľa:

• Celkový zisk supermarketu
• Dĺžka fronty na pokladniach
• Čas, ktorý trvá zákazníkom od začiatku fronty k momentu zaplatenia

===Užitočnosť===
Táto simulácia poskytne užitočné informácie o tom, ako zlepšiť prevádzku pokladní a maximalizovať zisk. Pomôže efektívnejšie riadiť personál a prispôsobiť sa meniacim sa potrebám zákazníkov.

===Metóda a spôsob simulácie===
Ako nástroj na tvorbu modelu použijem NetLogo

===Premenné===
• Počet pokladní
• Rýchlosť obsluhy pokladní
• Počet zákazníkov

===Náhodné premenné===
Všetky premenné budú náhodné premenné.

===Dáta===
Historické údaje o príchode zákazníkov do supermarketu, vrátane "peak hours" a priemerných tokov zákazníkov. Priemerné časy obsluhy pri pokladniach založené na pozorovateľných údajoch.

[[User:Lavd01|Lavd01]] ([[User talk:Lavd01|talk]]) 16:10, 6 May 2024 (CET)

: Dokud jsme měli ještě v programu zařazené diskrétní simulace, toto byla naprosto typická úloha právě na ně (dokonce byla ve slidech) a odkázal bych Vás na Simprocess. V tomto případě Simprocess už k dispozici není, lze to řešit jinými nástroji, např. AnyLogicem, které jsme ale nedělali. Řešení v NetLogu je možné, bude ale poměrně pracné. Nicméně, pokud na tom trváte, tak '''schváleno''' a budu zvědav, jak se to bude lišit od řešení v Simprocessu. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:30, 7 May 2024 (CET)

== Simulace úspěšnosti studentů ==

=== Popis ===
Simulace se zaměřuje na zkoumání vlivu různých faktorů, jako je typ školy, pohlaví studenta, věk, typ adresy, velikost rodiny, stav spoluobývání rodičů, úroveň vzdělání matky, úroveň vzdělání otce, povolání matky a povolání otce, na akademický výkon a úspěch studentů ve školním vzdělávání.

===Agenti===
Agenti jsou studenty

=== Cíl ===
Cílem simulace je analyzovat vliv sociodemografických faktorů na úspěšnost studentů a vzdělávací výsledky. Cílem je identifikovat klíčové determinanty akademického výkonu studentů a zkoumat strategie pro zlepšení rovnosti ve vzdělávání a přístupu k němu.

=== Užitečnost ===
Tato simulace poskytne užitečné poznatky pro pedagogy, politické rozhodovatele, školní administrátory a výzkumníky. Pedagogové ji mohou využít k porozumění, jak různé sociodemografické charakteristiky studentů ovlivňují akademické výsledky a přizpůsobit intervence podle potřeby. Politici ji mohou využít k navrhování politik založených na důkazech, které mají za cíl snížit nerovnosti ve vzdělávacích výsledcích. Školní administrátoři ji mohou využít k efektivnímu alokování zdrojů a implementaci cílených podpůrných programů. Výzkumníci ji mohou využít k zkoumání komplexních interakcí mezi různými sociodemografickými faktory a úspěchem studentů.

=== Metoda a způsob simulace ===
Jako prostředek pro tvorbu modelu použiju NetLogo.

=== Proměnné ===
• Pohlaví studenta (F nebo M)
• Věk
• Typ adresy (městská nebo venkovská)
• Velikost rodiny (menší nebo rovno 3 nebo větší než 3)
• Stav spoluobývání rodičů (žijí spolu nebo odděleně)
• Úroveň vzdělání matky (0-4)
• Úroveň vzdělání otce (0-4)

=== Náhodné proměnné ===
• Motivace ke studiu

=== Dáta ===
Hodnoty proměnných budou založeny na datasetu (Student achievement in secondary education of two Portuguese schools. - https://www.kaggle.com/datasets/larsen0966/student-performance-data-set/data), přičemž distribuce a charakteristiky každé proměnné budou odpovídat empirickým datům.

: Není mi úplně jasné, jak by měla taková simulace vypadat. Můžete konkretizovat? Ideálně i s obrázky, [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:30, 7 May 2024 (CET)
: 1. Vizuální Představení: V NetLogo bude scéna připomínat třídu s 30 studenty (agenti), kde každý student bude reprezentován jako agent s unikátním ID.
: 2. Nastavení Atributů: V levém panelu bude možné pomocí sliderů a vstupních polí měnit atributy každého studenta.
: 3. Interaktivní Úpravy: Uživatelé budou moci dynamicky upravovat tyto atributy a okamžitě vidět, jak se změny promítnou do inicializace agentů v modelu.
: 4. Modelování Úspěšnosti: Po nastavení atributů a spuštění modelu se pro každého studenta vypočítá hodnota úspěšnosti. Tento výpočet bude založen na předem definovaném modelu, který zahrne : kombinaci významných atributů a jejich vliv na akademický výkon
: 5. Bez Dynamických Interakcí: Vzhledem k absenci časových a interakčních dat bude simulace provádět jednorázový výpočet úspěšnosti bez sledování dynamických změn v čase.
: 6. Zobrazení Úspěšnosti: Po dokončení modelování bude každý student v třídě (scéně) mít přiřazenou hodnotu úspěšnosti, která bude zobrazena vedle jeho ikony nebo v datové tabulce pod : : scénou.
: 7. Statistické Grafy: Pod vizualizací třídy budou prezentovány různé statistické grafy, včetně:
: * Distribuce Úspěšnosti: Histogram nebo boxplot ukazující rozložení úspěšnosti mezi studenty.
: * Distribuce Motivace: Podobné grafy pro motivaci a další číselné atributy.
: * Korelační Grafy: Scatter ploty nebo jiné grafy zobrazující korelace mezi úspěšností a jednotlivými atributy, aby bylo možné identifikovat faktory s největším vlivem.
: 8. Plánované Rozšíření Modelu: Po prvotní analýze a identifikaci významných korelací plánuju rozšířit model o další zajímavé atributy, které mohou mít vliv na úspěšnost studentů: Počet : hodin strávených studiem, Počet absencí, Konzumace alkoholu,a další relevantní faktory zahrnuté v datasetu

== Vplyv odlesňovania v Amazónií na globálne otepľovanie ==

=== Popis ===
Táto simulácia sa zameriava na analýzu odlesňovania v Amazónií a jeho vplyv na globálne otepľovanie. Hlavným cieľom je študovať, ako zmeny v rozlohe lesných porastov ovplyvňujú teplotu, vlhkosť a iné environmentálne faktory.

===Agenti===
1. Lesníci: Agenti zodpovední za rozhodovanie o odlesňovaní.

2. Stromy: Agenti reprezentujúci lesný porast v oblasti simulácie.

3. Senzor: Agenti sledujúci teplotu, vlhkosť a iné v rôznych častiach oblasti.

=== Cíl ===
Cieľom simulácie je analyzovať, ako rôzne úrovne odlesňovania ovplyvňujú teplotu a ďalšie environmentálne faktory v danej oblasti.

=== Užitečnost ===
Simulácia poskytuje užitočný nástroj na preskúmanie dopadov odlesňovania na miestne klimatické podmienky a globálne otepľovanie. Vďaka vizualizácie sa vytvára priestor pre lepšie pochopenie procesov, ktoré sa dejú v dôsledku odlesňovania Amazónie. Na základe simulácie je viditeľné aký vplyv má odlesňovanie na teplotu a vlhkosť v oblasti a na celosvetové klimatické zmeny a pomáha tak identifikovať optimálne stratégie riadenia lesníctva z hľadiska ochrany klímy.

=== Metoda a způsob simulace ===
Simulácia bude používať agent-based modelovanie NetLogo, kde jednotlivé entity (agenti) budú reagovať na zmeny vo svojom prostredí a vykonávať určité akcie na základe stanovených pravidiel.

1. Inicializácia: Na začiatku simulácie sa definuje topografia, rozmiestnenie stromov a miesto lesníkov.

2. Krok simulácie: V každom kroku lesníci rozhodujú o tom, koľko stromov odstránia a kde. Potom sa aktualizuje stav stromov a environmentálne faktory.

3. Vyhodnotenie: Po určenom počte krokov sa vyhodnotia zmeny v teplote, vlhkosti a iných faktoroch.

=== Proměnné ===
• Počet senzorov = 5

• Lesná plocha: Miera lesného porastu v oblasti simulácie, môže byť vyjadrená ako počet stromov alebo pomer lesného pokrytia vzhľadom na celkovú plochu.

• Teplota

• Vlhkosť

=== Náhodné proměnné ===
• Úroveň odlesňovania: Percento stromov odstránených lesníkmi, čo ovplyvňuje veľkosť a rozlohu lesného pokrytia.

• Počet lesníkov

=== Dáta ===
• Global Forest Watch (https://www.globalforestwatch.org/): Poskytuje dáta o odlesňovaní a lesných pokryvkách z celého sveta, vrátane histórie odlesňovania a zmeny lesných ploch.

• NASA Earth Observing System Data and Information System (EOSDIS) (https://earthdata.nasa.gov/): NASA ponúka širokú škálu dát o poveternostných podmienkach, teplotách, vlhkosti a ďalších environmentálnych faktoroch pomocou svojich satelitných misií.

• WorldClim (https://www.worldclim.org/): Poskytuje voľne dostupné globálne klimatické dáta, vrátane teploty, zrážok a iných klimatických premenných, ktoré môžu byť použité na simuláciu klimatických podmienok v rôznych oblastiach.

• Food and Agriculture Organization of the United Nations (FAO) (http://www.fao.org/faostat/en/#data): FAO poskytuje štatistické dáta o lesníctve a odlesňovaní, vrátane údajov o množstve odlesnených ploch v rôznych krajinách a regiónoch.

[[User:Drgv00|Drgv00]] ([[User talk:Drgv00|talk]]) 15:44, 7 May 2024 (CET)

== Simulace plastového znečištění oceánů ==

=== Popis ===
Simulace se zaměřuje na aktuální problém znečištění oceánů plastem. Oceány se neustále znečišťují, ale je i vynaložené úsilí toto znečištění mitigovat. Tato simulace reflektuje oba aspekty problematiky. Simulace ukáže interakci úklidových lodí a hromadícího se plastu v oblasti Great Pacific Garbage Patch.

=== Cíl ===
Cílem simulace je zkoumat mitigační schopnosti úklidových lodí v oblasti Great Pacific Garbage Patch a navrhnout hrubý plán projektu, který by symbolizoval optimální počet nasazených úklidových lodí pro efektivní odbyt plastu a hlavní faktory příspívající do navyšujícího se znečištění.

=== Užitečnost ===
Výsledky této simulace mohou bý užitečné jak pro laiky, kterým přehledně vizualizuje akutní problematiku z hlediska znečištění oceánů, tak pro experty, kteří na základě výsledků mohou sledovat trendy znečištění na základě zkoumaných faktorů - zda je možné nalézt řešení, které vyústí v rychlejší odbyt plastu v oceánech, než jeho přísun. Též je vhodné identifikovat faktory, které nejvíce přispívají znečištění.

=== Metoda a způsob simulace ===
Nejsem si jistý, zda vytvářím moc komplikovaný návrh, tak rozděluji agenty na kategorie co si myslím, že by bylo zásadní, a co naopak dodatečné.

Základ:

Simulace bude modelována jakožto agentní simulace pomocí nástroje NetLogo. Mezi agenty lze řadit úklidové lodě a samotné plastové částice.

Rozšíření:

Autora napadlo přidat i lodě, které naopak znečištění způsobují (cca 70% odpadu v mořích způsobují právě lodě). Též je jedním z nápadů přidat jako agenta mořského živočicha, který by přílišnou vysokou koncentrací znečištění "trpěl", a dostatečnou mitigací znečištění naopak mohl existovat relativně bez problému.

=== Proměnné ===
Nejsem si jistý, zda vytvářím moc komplikovaný návrh, tak rozděluji proměnné na kategorie co si myslím, že by bylo zásadní, a co naopak dodatečné.

Základ:

• Množství vypouštěného plastu

• Koncentrace plastu na km^2

• Kapacita úklidové lodě

• Rychlost úklidové lodě

• Rychlost oceánských proudů (přísun plastu)

Rozšíření:

• Velikost plastu (mikroplast, mesoplast, makroplast, megaplast)

• Kategorie plastu (Typ H, N, P, F)

• Persistence plastu (schopnost přetrvávat na jednom místě)

• Geografická lokalizace vypouštění plastu

• Vertikální pozice plastu (pokud se plast objeví, jestli je moc hluboko na zachycení lodí)

=== Náhodné proměnné ===
• Události (katastrofy, dobrovolnické akce pro sběr plastu)

• Počasí (povětrnostní podmínky)

• Lidská činnost (změna legislativy, spotřeba plastových výrobků)

=== Použitá data pro nastavení simulace ===
• Především: https://theoceancleanup.com/great-pacific-garbage-patch/

• https://powerknot.com/2023/02/20/how-ships-are-fueling-the-global-plastic-pollution-crisis/

• https://www.earthdata.nasa.gov/learn/articles/ocean-plastic

• https://marine.copernicus.eu/explainers/phenomena-threats/plastic-pollution/from-plastic-marine-pollution

• https://www.geographyrealm.com/how-ocean-currents-move-pollution-around-the-world/

• https://theoceancleanup.com/ocean-plastic/

[[User:Kovs04|Kovs04]] ([[User talk:Kovs04|talk]]) 21:52, 7 May 2024 (CET)

== Simulácia: predikcia počtu obyvateľov Slovenskej republiky ==

=== Popis ===

Práca bude simulovať vývoj počtu obyvateľov Slovenska do budúcna. Do úvahy sa bude brať viacero faktorov, ktoré můžu ovplyvňovať vývoj počtu obyvateľov, preto sa budem snažiť o čo najprenejšie výsledky a aby simulácia zohľadňovala dostatočné mnžostvo faktorov a bola komplexná. Simulácia bude založená iba na reálnych dostupných štatistických dátach a nebude obsahovať žiadne náhodné premenné.

=== Prostredie ===
Simulácia bude prebiehať v prostredí Vensim.

=== Cieľ ===
Predpovedať a graficky znázorniť dlhodobý vývoj počtu obyvateľov SR (napríklad 150 rokov dopredu). Popísať trend rastu/poklesu obyvateľov. Projekcia pôrodnosti, úmrtnosti. Aký faktor ovplyňuje vývoj populácie najviac? Akú rolu v tomto hrajú ostatné faktory?

=== Premenné ===

• počet obyvateľov

• prírastok

• úbytok

• imigrácia

• emigrácia

• úmrtnost

• porodnosť

• a ďalšie podľa potreby

=== Dáta ===
Vstupné dáta budú podľa najlepšieho formátu vybrané z:

https://www.statista.com/statistics/1009083/total-population-slovakia-1950-2020/.

https://www.worldometers.info/world-population/slovakia-population/.

https://worldpopulationreview.com/countries/slovakia-population

[[User:Simon kavicky|Simon]] ([[User talk:Simon kavicky|talk]]) 11:06, 8 May 2024 (CET)
:: '''Schváleno'''. Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci).[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 13:47, 9 May 2024 (CET)

== Simulace profitability nových finančních produktů při zohlednění rizika nedobytnosti pohledávek a ceny zdrojů ==

=== Cíl ===
Cílem je vytvořit nástroj pro podporu prvnotního nastavení RPSN (poplatku a/nebo sazby) nově nabízeného finančního produktu podle míry rizika nedobytnosti pohledávek a ceny zdrojů za účelem zajištění profitability. Nástroj by měl být parametrizovatelný na základě potřeb finanční organizace, včetně možnosti upravit simulaci podle analýzy vlastních historických dat z již nabízených produktů – viz část o datech níže.

=== Využití ===
Uživateli by měli být pracovníci z oddělení finančních institucí zodpovění za pricing produktů a služeb. Protože se jedná o netechnické uživatele s vysokou úrovní kvalifikace v jiném oboru, měla by být simulace spustitelná z "frontendu" – úvodní obrazovky, která umožňuje zadat finanční nebo statistické vstupy popisující historická data a cenu zdrojů. V případě nezadání některé z hodnot se použijí rozumné předdefinovnaé hodnoty.

=== Metoda a prostředí simulace ===
Monte Carlo, Excel. Záměrem je vytvoření rozsáhlejší a vícekrát iterované simulace pro zajištění kvalitního výsledku na základě statistických informací o historických datech na již spuštěných, podobných typech produktů.

=== Proměnné ===
Vzhledem ke zvolené metodě budou generovány řádově stovky záznamů o fiktivních úvěrech, jejichž parametry budou odpovídat statisticky určeným rozdělením na základě vstupního datasetu popsaného níže. Zásadní je přitom informace, zda úvěrový produkt "defaultoval" – zda byl nebo nebyl splacen ze strany klienta. Jedná se o binární závislou proměnnou, určenou na základě výše úvěru, příjmu klienta a případně dalších vybraných veličin dostupných v datech, jejichž hodnota bude určována na základě zjištěného rozdělení pravděpodobnosti. Sledovaná závislá proměnná bude určena na základě překročení prahové hodnoty váženým součtem ostatních veličin, přičemž správnost stanovení prahové hodnoty a vah bude ověřena vůči vstupnímu datasetu.
Na vstupu se bude očekávat parametr ceny zdrojů a případně statistické informace.
Výstupním parametrem bude "break-even" RPSN, nad kterou by již měl být produkt profitabilní. U skutečných produktů by bylo nutné určit sazbu, poplatek nebo jejich kombinaci; jedná se nicméně o ryze obchodní rozhodnutí, protože sazby a poplatky jsou typicky technicky převeditelné.

=== Data využitá pro přípravu simulace ===
Využití skutečných dat je problematické z hlediska regulací, kterým bankovní instituce podléhají. Bude proto statisticky zpracován vstupní dataset [https://app.datacamp.com/learn/courses/credit-risk-modeling-in-python] z výukové aplikace, ale uživatel bude mít také možnost zadat jiné statistické informace na základě vlastní analýzy (nebo informací od příslušného oddělení).

[[User:Budj07|Budj07]] ([[User talk:Budj07|talk]]) 20:17, 9 May 2024 (CET)

:: '''Schváleno'''.[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 10:37, 10 May 2024 (CET)

== Simulace implementace SW projektu pro potřeby projektového řízení ==

=== Cíl ===
Cílem této simulace je vytvořit model systémové dynamiky softwarového projektu, který zohlední známé proměnné i prvek náhody a pomůže zkoumat vliv jednotlivých faktorů a vzájemné ovlivňování v důležitých parametrech projektu

=== Využití ===
Model by mohl být použit při naceňování, stanovení termínu dodání, nebo odhadu míry rizika. Mohl by být použit i na modelování důsledků změn v projektu.

=== Metoda a prostředí simulace ===
Simulace bude realizována prostřednictvím nástroje Vensim.

=== Proměnné ===
. Scope
. Costs
. Time
. Resources
. Quality
. Risk

=== Náhodné proměnné ===

nemoc výpověď dovolená chyba v analýze

=== Zdroje ===

LI, Suinan. A generic model of project management with Vensim. 2008. Master's Thesis. Universiteteti Agder/Agder University.
https://uia.brage.unit.no/uia-xmlui/bitstream/handle/11250/137043/Suinan_Li.pdf?sequence=1

BESTEIRO, Élen Nara Carpim; DE SOUZA PINTO, Jefferson; NOVASKI, Olívio. Success factors in project management. Business management dynamics, 2015, 4.9.
https://web.archive.org/web/20180420205905id_/http://bmdynamics.com/issue_pdf/bmd110530a-%2019-34.pdf

[[User:Pavl11|Pavl11]] ([[User talk:Pavl11|talk]]) 20:30, 9 May 2024 (CET)

:: '''Schváleno.''' Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci).[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 10:38, 10 May 2024 (CET)

Assignment SS 2023/2024/cs

2024-05-09T05:22:02Z

Rubo01:

Assignment SS 2023/2024/cs

2024-05-09T05:19:16Z

Rubo01:

Assignment SS 2023/2024/cs

2024-05-06T11:07:49Z

Rubo01: