Difference between revisions of "Assignment SS 2024/2025/cs"
| Line 52: | Line 52: | ||
}} | }} | ||
| − | == Simulace: Simulace tučňáků hledajících lásku na ledové kře | + | == Simulace: Simulace tučňáků hledajících lásku na ledové kře 🐧❤️ == |
=== Popis problému === | === Popis problému === | ||
| Line 99: | Line 99: | ||
=== Data === | === Data === | ||
| − | * [https://www.reuters.com/business/environment/emperor-penguins-suffered-mass-breeding-failures-2023-amid-record-low-sea-ice-2024-04-25 | + | * [https://www.reuters.com/business/environment/emperor-penguins-suffered-mass-breeding-failures-2023-amid-record-low-sea-ice-2024-04-25/ Stabilita mořského ledu a úspěšnost hnízdění |
| − | * [https:// | + | * [https://www.birdsnz.org.nz/wp-content/uploads/2021/12/Rowe_67_etal_451_459.pdf Úspěšnost hnízdění u tučňáků malých |
* [https://www.selwomarina.es/en/blog/por-que-pinguinos-regalan-piedras-hembra?utm_.com Selwo Marina Benalmadena] – Článek věnující se námluvám a párování, kde popisují darování kamínků jako součást námluv | * [https://www.selwomarina.es/en/blog/por-que-pinguinos-regalan-piedras-hembra?utm_.com Selwo Marina Benalmadena] – Článek věnující se námluvám a párování, kde popisují darování kamínků jako součást námluv | ||
* BBC Earth, National Geographic, Attenboroughovy dokumenty – často dobře vysvětlují typy chování, interakce a přežívání. Např. March of the Penguins | * BBC Earth, National Geographic, Attenboroughovy dokumenty – často dobře vysvětlují typy chování, interakce a přežívání. Např. March of the Penguins | ||
Revision as of 19:44, 7 May 2025
 | Please, put here your assignments. Do not forget to sign them. You can use ~~~~ (four tildas) for an automatic signature. Use Show preview in order to check the result before your final sumbition. |
| Please, strive to formulate your assignment carefully. We expect an adequate effort to formulate the assignment as it is your semestral paper. Do not forget that your main goal is a research paper. It means your simulation model must generate the results that are specific, measurable and verifiable. Think twice how you will develop your model, which entities you will use, draw a model diagram, consider what you will measure. No sooner than when you have a good idea about the model, submit your assignment. And of course, read How to deal with the simulation assignment. |
| Topics on gambling, cards, etc. are not welcome. |
 | In order to avoid possible confusion, please, check if you have added approved in bold somewhere in our comment under your submission. If there is no approved, it means the assignment was not approved yet. |
| Criteria for evaluation of the simulation proposal The proposal must contain:
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).
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. |
Contents
- 1 Simulace: Simulace tučňáků hledajících lásku na ledové kře 🐧❤️
- 2 Simulace: Simulace vojenské patroly a střetu s nepřítelem
- 3 Simulace: Kontrola jízdenek v MHD
- 4 Simulace: Pavlovovo podmiňování v agentním modelu
- 4.1 Co budu simulovat
- 4.2 Cíl simulace
- 4.3 Kdo by takovou simulaci mohl využít a jak by mu pomohla
- 4.4 Použitá metoda a prostředí
- 4.5 Jaké proměnné budou v simulaci
- 4.6 Jaké proměnné budou náhodné
- 4.7 Na jakých datech budou proměnné založené
- 4.8 Na jakých datech jsou založeny vzorce v simulaci (chování modelu)
- 4.9 Simulant
Simulace: Simulace tučňáků hledajících lásku na ledové kře 🐧❤️
Popis problému
Cílem simulace je modelovat chování tučňáků během námluv na ledové kře. Tučňáci musí najít vhodného partnera pro hnízdění, přičemž čelí různým vnějším vlivům – nestabilnímu prostředí (praskající led), konkurenci ostatních tučňáků a hrozbě predátorů (např. lachtani).
Každý tučňák má specifické nastavení chování – někteří jsou spíše plachého typu, jiní jsou odvážní a aktivně oslovují potenciální partnery. Odlišný přístup k seznamování ovlivňuje jejich šanci na úspěšné spárování a přežití do hnízdní sezóny.
Cíl simulace
Simulace se zaměří na otázku: Jaký „balící styl“ (strategie chování) vede k nejvyšší šanci na nalezení partnera a založení hnízda, a jak tuto šanci ovlivňuje prostředí a přítomnost rizik? Výsledkem bude doporučení nejefektivnějších „láskových taktik“ v závislosti na kontextu (bezpečné vs. nebezpečné prostředí).
Použití simulace
Simulace může sloužit:
- jako model sociální interakce v zábavné formě,
- jako edukativní nástroj pro představení agentového modelování (např. na středních školách),
- nebo jako metaforické přiblížení seznamovacích strategií ve složitém prostředí.
Použitá metoda a prostředí
Simulace bude vytvořena v prostředí NetLogo jako multiagentní model, kde každý agent (tučňák) bude reprezentovat jiný typ chování. Prostředí bude ledová kra se zónami různé stability a výskytu predátorů.
Tučňáci budou interagovat podle jednoduchých pravidel: přiblíží se k partnerovi, pokusí se o námluvy (s pravděpodobností úspěchu ovlivněnou vlastnostmi obou), a pak spolu odcházejí hnízdit (zmizí ze scény). Mohou být také ohroženi prasknutím kry nebo útokem predátora.
Proměnné
Definované předem:
- Počet tučňáků (např. 50–100)
- Stabilita ledu (pravděpodobnost prasknutí při stání na místě)
- Výskyt predátorů (pravděpodobnost útoku při pohybu)
- Rychlost pohybu a reakce
Typ chování:
- Plachý – čeká, až ho někdo osloví
- Odvážný – aktivně balí ostatní
- Kombinovaný – střídá strategie
Náhodné:
- Rozmístění tučňáků
- Výběr preferovaného partnera (náhodně nebo podle vlastností)
- Výsledek námluv (pravděpodobnost úspěchu podle kompatibility + typu chování)
- Prasknutí ledové kry
- Útok predátora
Možná rozšíření simulace:
- Přidání „charakterových“ rysů (krása peří, zpěv, taneční dovednosti)
- Učení – tučňák se poučí z neúspěchu a změní taktiku
- Sezónnost – časový limit na nalezení partnera (jinak simulace končí smutným singl koncem)
Data
- [https://www.reuters.com/business/environment/emperor-penguins-suffered-mass-breeding-failures-2023-amid-record-low-sea-ice-2024-04-25/ Stabilita mořského ledu a úspěšnost hnízdění
- [https://www.birdsnz.org.nz/wp-content/uploads/2021/12/Rowe_67_etal_451_459.pdf Úspěšnost hnízdění u tučňáků malých
- Selwo Marina Benalmadena – Článek věnující se námluvám a párování, kde popisují darování kamínků jako součást námluv
- BBC Earth, National Geographic, Attenboroughovy dokumenty – často dobře vysvětlují typy chování, interakce a přežívání. Např. March of the Penguins
Simulant
Zuzana Plachá plaz03 (talk) 20:20, 7 May 2025 (CET)
Simulace: Simulace vojenské patroly a střetu s nepřítelem
Popis problému
Simulace se zabývá chováním malé vojenské jednotky (patroly), která operuje v nepřátelském teritoriu. Cílem patroly je bezpečný průchod zadanou trasou. V oblasti se ovšem mohou nacházet nepřátelské síly, které mají za úkol patrolu odhalit a zlikvidovat. Průběh mise ovlivňuje několik proměnných – velikost jednotky, dosah vidění, typ terénu, schopnost včasné reakce a počet a rozmístění nepřátel. Výsledky simulace umožní analyzovat účinnost různých taktik a rozhodovacích pravidel, které jednotka může použít při plnění mise. Zároveň mohou sloužit jako podpůrný nástroj při plánování operací nebo jako tréninková pomůcka pro rozhodování armády v rizikových situacích.
Cíl simulace
Simulace se bude věnovat zodpovězení otázky: jak různé faktory (velikost jednotky, rozmístění nepřátel, strategie pohybu) ovlivňují úspěšnost vojenské patroly při průchodu nebezpečným územím? Cílem je nalézt parametry a strategie, které vedou k nejvyšší pravděpodobnosti úspěšného dokončení mise bez ztrát. Výsledkem bude doporučení efektivních taktických rozhodnutí pro minimalizaci rizika při podobných operacích.
Použití simulace
Simulaci by mohli využít velitelé malých jednotek nebo vojenská akademie pro testování taktik v simulovaných prostředích. Model by jim dokázal vyhodnotit, jak různé strategie a složení jednotky ovlivňují šanci na úspěšné dokončení mise bez ztrát.
Použitá metoda a prostředí
Multiagentní simulace v NetLogo. Agenti v modelu budou reprezentovat členy vojenské patroly a nepřátelské jednotky. Prostředí bude představovat mapu oblasti s různými typy terénu - otevřený terén, les, kryt apod.
Proměnné
Definované předem:
- Počet vojáků v patrole
- Počet nepřátel
- Typ terénu (např. podíl lesů, volného prostoru)
- Trasa patroly (předem definovaná nebo generovaná)
- Dosah vidění vojáků i nepřátel
- Pravidla reakce na kontakt (útěk, útok, přivolání podpory)
Pravděpodobnosti střetu a úspěchu jsou založeny na odhadech inspirovaných vojenskými taktickými příručkami a popisech reálných situací v článcích A-Report.
Náhodné:
- Rozmístění nepřátel v terénu
- Zpozorování nepřítele (pravděpodobnost, že jednotka zahlédne protivníka)
- Výsledek střetu (založen na pravděpodobnosti úspěchu v boji)
- Chování nepřítele (např. zda se ukryje nebo přepadne)
Data
- Základní řád ozbrojených sil České republiky – řád armády ČR
- Časopis A-Report Útoku se nedalo zabránit – Úryvek ze článku věnovaný osudové chybě v boji na Balkáně
- Časopis A-Report Pod ostrou palbou – Úryvek ze článku popisující možnost simulací ve vojenském prostředí
- Vlastní odhady založené na realistických parametrech (např. efektivní dostřel, rychlost pohybu v terénu)
Simulant
Alexandr Sekera seka01 (talk) 15:33, 7 May 2025 (CET)
Simulace: Kontrola jízdenek v MHD
Popis problému
Simulace se zabývá procesem kontrol jízdenek ve veřejné dopravě (např. v systému MHD v Praze). Veřejná doprava je financována částečně z příjmů z jízdného. Cestování "načerno" představuje pro dopravní podnik zdroj ztrát. Proto revizoři od podniku provádějí kontroly platnosti jízdních dokladů. Z toho vyplývá otázka, jak často a jakým způsobem mají být dané kontroly prováděny, aby byly efektivní a ekonomicky dávaly smysl. Výsledky simulace umožní řízení MHD optimalizovat frekvenci kontrol, počet revizorů a tím zvýšit celkovou efektivitu inspekcí.
Cíl simulace
Simulace se bude věnovat zodpovězení otázky: jak ovlivňuje četnost kontrol objem vybraných pokut ve veřejné dopravě? Výsledkem bude doporučení efektivních inspekčních strategií pro maximalizaci vybraných pokut. Simulace také ukáže, kolik revizorů je potřeba pro dosažení požadované míry kontroly.
Použitá metoda a prostředí
Multiagentní simulace v Netlogo. Agenti v modelu budou reprezentovat pasažéry a revizory.
Proměnné
Definované předem:
- Počet cestujících (celkově)
- Počet revizorů
- Výše pokuty (standardní nebo menší za platbu okamžitě)
- Frekvence kontrol (počet provedených kontrol za minutu/hodinu)
- Kapacita vozidla (počet cestujících z celkového čísla, kteří jsou aktuálně v kontrolovaném prostoru)
Náhodné:
- Platnost jízdenky (zda jede pasažér "načerno")
- Zachycení černého pasažéra (zda je neplatnost jízdenky odhalena)
- Zaplacení pokuty (hned či později)
Data
DPP - pokuty a revizoři - výše jednotlivých pokut
DPP - vozový park - kapacity vozidel
Prague public transport inspectors handed out 250,000 fines last year - počty kontrol, pasažérů a revizorů, celková výše pokut, zaplacení pokut
Míra cestování "načerno" pro Prahu není zveřejněna oficiálně. Pro odhad poměru černých pasažérů se lze inspirovat jinými státy (UK, IT).
Simulant
Vladislav Sanin Sanv05 (talk) 21:15, 6 May 2025 (CET)
Simulace: Pavlovovo podmiňování v agentním modelu
Co budu simulovat
Simulace bude modelovat proces klasického (Pavlovova) podmiňování, kdy agent (představující psa) postupně spojuje neutrální podnět (zvonek) s přirozeným podnětem (jídlo). Výsledkem je, že agent začne reagovat podmíněnou reakcí (slinění) i v případě, že se později objeví pouze zvonek bez jídla.
Cíl simulace
Cílem simulace je analyzovat průběh učení podmíněné reakce a zjistit:
- kolik opakování je potřeba k vytvoření podmíněné reakce,
- jak stabilní tato reakce je v čase,
- jak rychle dochází k vyhasnutí reakce (extinkci) při absenci posílení,
- jak efektivní je opětovné učení (re-learning) po ztrátě reakce.
Obecně jde o pochopení mechanismů formování návyků a chování založeného na stimulaci a posilování.
Kdo by takovou simulaci mohl využít a jak by mu pomohla
Simulaci mohou využít například:
- psychologové zabývající se behaviorálním učením,
- učitelé při výuce základních principů behaviorismu,
- vývojáři agentních a AI modelů, kteří chtějí simulovat jednoduché učení nebo formování návyků.
Simulace jim umožní vizuálně a experimentálně sledovat proces klasického podmiňování a analyzovat vliv různých parametrů na průběh učení.
Použitá metoda a prostředí
- Metoda: Agentní simulace využívající jednoduchý model chování se stavovým automatem. Agent mění svůj vnitřní stav v závislosti na podnětech a historii posilování.
- Prostředí: NetLogo
Jaké proměnné budou v simulaci
- Počet pokusů o podmiňování
- Zpoždění mezi zvonkem a jídlem (časování podnětů)
- Frekvence posilování (např. 100 %, 75 %, 50 % případů s jídlem)
- Síla podmíněné reakce (vnitřní proměnná zvyšující se učením)
- Počet extinkčních pokusů (zvonek bez jídla)
Jaké proměnné budou náhodné
- Pravděpodobnost, zda po zvonku následuje jídlo (při částečném posilování)
- Malá náhodná odchylka v chování psa (např. reakční doba, úroveň slinění)
Na jakých datech budou proměnné založené
- Parametry vycházejí z publikovaných výsledků klasických experimentů Pavlova a dalších behaviorálních studií.
- Typické hodnoty časování a pravděpodobností pro různé typy posilování vychází z odborné literatury.
- Síla reakce bude modelována pomocí logistické funkce, která simuluje typickou křivku učení a vyhasínání reakce.
Na jakých datech jsou založeny vzorce v simulaci (chování modelu)
Chování modelu bude založeno na Rescorla-Wagnerově modelu klasického podmiňování, který kvantifikuje změnu síly asociace mezi podmíněným podnětem a nepodmíněným podnětem během jednotlivých pokusů.
