在9.1節曾提到過，GA是受到遺傳、演化等理論的啟發所發展出來的演算法，其主要目的是要以特定的方式來解決某些特定類型的問題；所以GA只是在模仿演化，而不是在模擬演化。
既然GA只是在模仿演化，那如果我們想要模擬演化，該怎麼做呢？要回答這個問題，先來看看GA做法下的演化和自然界的演化，這兩者之間有些什麼差異。
GA做法下的演化和自然界的演化，這兩種演化方式之間最明顯的差異是，在GA中，族群內的所有個體會同時出生、在相同時間進行繁殖，並在繁殖下一代後同時死亡，所以族群規模處於相當穩定的狀態；而在自然界中，族群內隨時會有個體出生、繁殖、死亡，所以族群規模隨時都在變動，甚至於會有極端的變化產生。另外，在GA中，會針對每個個體對環境的適應程度打分數，藉此來決定哪些個體能繁殖下一代，這也就是所謂的「適者生存」；但在自然界中，沒有打分數的人存在，能繁殖下一代的就是「適者」。所以，用比較賣弄學問的方式來說，GA的演化是離散式的，每間隔一段時間進行一次；而自然界的演化則是連續式的，隨時都在進行。從上面的分析來看，要模擬自然界的演化過程，關鍵就在於要怎麼模擬不斷進行中的「適者生存」這件事。這事說來其實也不難，既然「適者生存」的內涵是「適者繁殖」，那只要讓活得越久的個體越有機會繁殖下一代，就可以模擬出「適者生存」的效果了。
既然能夠模擬出自然界「適者生存」的現象，那就可以模擬出自然界的演化過程了。接下來，就在GA的基礎上，實際來打造一個雖然簡單，但卻能夠進行演化的生態系統。
在動手寫程式之前，先來描述一下要打造的生態系統。
在這個生態系統中，有種叫做bloop的生物，其外型是個圓，會到處遊蕩；體型越大的移動速度越慢，體型越小的移動速度越快。
隨著時間過去，bloop的生命力會逐漸減少，最後會因為喪失生命力而死亡。所幸，在系統中有一些食物存在，當bloop吃下食物時，會讓生命力上升，而可以活得久一點。不幸死亡的bloop並不會就此消失，它們會變成其他同類延長生命所需的食物。
在繁殖方面，bloop的繁殖方式是無性生殖；在任何時刻，每個bloop都有一定的機率會生出和自己一模一樣的下一代，不過，也有一定的機率，下一代會因為突變而變得和親代有所不同。
以上就是我們要打造的生態系統概況。寫程式時，我們會用一個叫做World的類別來描述它；不過這個部分放在最後面再來寫，現在先來寫個Bloop類別，用來描述生態系統中的主角，也就是bloop。
既然bloop會在畫面上跑來跑去，那就可以用在第一章寫Mover類別時所用的架構來寫Bloop類別：
class Bloop:
def __init__(self, x, y):
# 取得顯示畫面及其大小
self.screen = pygame.display.get_surface()
self.width, self.height = self.screen.get_size()
self.position = pygame.Vector2(x, y)
self.max_speed = 5
self.radius = 8
# 設定所在surface的格式為per-pixel alpha
w = h = 2*self.radius
self.surface = pygame.Surface((w, h), pygame.SRCALPHA)
color = (0, 0, 0, 200)
self.center = pygame.Vector2(self.radius, self.radius)
pygame.draw.circle(self.surface, color, self.center, self.radius)
# x、y方向上取1D Perlin noise之起始位置
self.xoff = 10000*random.random()
self.yoff = 10000*random.random()
def update(self):
vx = noise.pnoise1(self.xoff)*self.max_speed
vy = noise.pnoise1(self.yoff)*self.max_speed
velocity = pygame.Vector2(vx, vy)
self.position += velocity
self.xoff += 0.01
self.yoff += 0.01
def check_edges(self):
if self.position.x > self.width + self.radius:
self.position.x = -self.radius
elif self.position.x < -self.radius:
self.position.x = self.width + self.radius
if self.position.y > self.height + self.radius:
self.position.y = -self.radius
elif self.position.y < -self.radius:
self.position.y = self.height + self.radius
def show(self):
self.screen.blit(self.surface, self.position-self.center)
跟先前的做法一樣，我們把bloop族群放在一個list中，並用一個類別來管理；這個類別就是用來描述生態系統的World類別：
class World:
def __init__(self, population_size, width, height):
self.population_size = population_size
self.bloops = [None]*self.population_size
for i in range(self.population_size):
x = random.randint(0, width)
y = random.randint(0, height)
self.bloops[i] = Bloop(x, y)
到目前為止的寫法，其實就是在第四章處理粒子系統時的寫法；數量會變動的bloop就是粒子，而生態系統就是管理粒子的粒子系統。要想讓這個系統演化，需要在系統中加入兩個特性：
- bloop死亡
- bloop誕生
加入bloop死亡這個特性，是為了取代GA中的適應度函數及挑選過程；當bloop死亡之後，就不會被挑選出來繁殖下一代，因為它已經不存在了。那這個特性要怎麼寫呢？其實挺簡單的，在Bloop類別中加個存放bloop生命力數值的health屬性
class Bloop:
def __init__(self, x, y):
:
:
self.health = 100
:
:
當每次更新時，讓bloop的生命力下降
def update(self):
:
:
self.health -= 0.2
:
:
另外，在Bloop類別中加入is_dead()方法，用來檢查bloop的生命力是不是低於0；如果是的話，代表這個bloop已經死亡。
def is_dead(self):
return self.health < 0
僅僅加入health這個屬性來製造bloop的死亡還不夠，因為這意味著所有的bloop壽命都一樣長，能夠繁殖下一代的機率都一樣；這不符合「適者生存」的要求。為什麼呢？這是因為所有bloop的生命力一開始的時候都是100，而且下降的速率都一樣，所以壽命當然就會一樣長。
既然bloop的壽命都一樣長會導致系統無法符合「適者生存」的要求，那要怎麼讓它們的壽命長短各不相同呢？方法有不少，例如在系統中加入會捕食bloop的另一種生物，讓跑得快的bloop比較容易逃過被捕食的命運而活得比較久。另一種做法是撒些食物讓bloop吃；吃到食物的bloop可以增加生命力，就可以活得比較久。在這裡，我們會使用撒食物的方式，不過在這麼做之前，得先寫個描述食物的類別。
描述食物的類別挺簡單的，主要就是把食物的位置存放在一個list中；藉由新增或移除這個list中的元素，就可以新增或移除食物。程式碼如下：
class Food:
def __init__(self, num):
# 取得顯示畫面及其大小
self.screen = pygame.display.get_surface()
self.width, self.height = self.screen.get_size()
# 撒下特定數量的食物
self.positions = [None]*num
for i in range(num):
x = random.randint(0, self.width)
y = random.randint(0, self.height)
self.positions[i] = pygame.Vector2(x, y)
self.size = 5
def add(self, position):
self.positions.append(position)
def show(self):
for position in self.positions:
rect = pygame.Rect(0, 0, self.size, self.size)
rect.center = (position.x, position.y)
pygame.draw.rect(self.screen, (255, 0, 0), rect)
def run(self):
# 有一定的機率會出現新的食物
if random.random() < 0.001:
x = random.randint(0, self.width)
y = random.randint(0, self.height)
self.add(pygame.Vector2(x, y))
self.show()
有了描述食物的Food類別之後，就可以在Bloop類別中加入讓bloop吃食物的方法了：
def eat(self, food):
for position in food.positions.copy():
if position.distance_to(self.position) < 2*self.radius:
# 移除被吃掉的食物並增加bloop的生命力
food.positions.remove(position)
self.health += 100
如果在bloop附近有任何食物出現，它就會把食物吃掉。這裡的「附近」，設定成距bloop所在位置2倍它的尺寸內的距離。
就這樣，吃下越多食物的bloop會活得越久，因而越有機會繁殖下一代；透過這樣子的機制，系統應該就會演化出最能夠吃到食物的bloop。
Genotype and Phenotype
bloop找到食物的能力跟它的尺寸和移動速度有關。長得比較大的bloop，因為在移動時掃過的面積比較大，所以比較容易找到食物；而移動速度比較快的bloop，因為可以在比較短的時間內跑遍比較大的範圍，所以可以找到比較多的食物。這也就是說，在是否能吃到食物這個問題上，bloop的尺寸和移動速度是效果相反的兩個因素。
既然在找食物方面，尺寸和速度的效果相反，而尺寸比較大的bloop移動速度比較慢，反之亦然，那在設計基因型時，就只需要一個變數就夠了：
class DNA:
def __init__(self):
self.genes = [random.uniform(0, 1)]
def mutate(self, mutation_rate):
if random.random() < mutation_rate:
self.genes[0] = random.uniform(0, 1)
在這裡，雖然只有一個變數，但我們還是用list來存放，這樣可以保留擴充的空間，以備將來有更複雜的設計時，可以不需要改太多東西。
表現型就是bloop本身，修改一下前面的Bloop類別，就可以利用DNA物件的實例來設定其大小和最大移動速率：
class Bloop:
def __init__(self, dna, x, y):
:
:
self.dna = dna
self.max_speed = 15*(1-self.dna.genes[0])
self.radius = 25*self.dna.genes[0]
:
:
在這裡，最大移動速率的範圍設定在0～15；而bloop的半徑，則設定在0～25。要注意的是，bloop的基因值為0時，最高移動速率是15；基因值為1時，最高移動速率是0，也就是呈靜止狀態。
Selection and Reproduction
在挑選方面，先前說過，bloop活得越久，越有機會繁殖下一代；所以bloop的壽命長短，就是它的適應度。
在繁殖方面，可以設定當兩個bloop相遇時，就會生出下一代；這樣活得越久的bloop，就越有機會遇到另一個bloop而生出下一代。這種設定方式除了影響bloop的繁殖方式之外，對演化結果也會有影響；因為除了找食物之外，bloop找到另一個bloop的能力，也同時會影響它是不是能夠繁殖下一代。
另一種比較簡單，也可以讓bloop生出下一代的方式，就是直接複製一個一模一樣，跟親代有相同基因的bloop出來。例如，可以設定在任何時刻，bloop都有0.05%的機率會生出下一代；這樣活得越久的bloop，一樣會有越大的機會生出下一代。
在這裡，我們採用的挑選、繁殖方式，是直接複製的方式。實作時，在Bloop類別加個reproduce()方法就可以了。
def reproduce(self):
if random.random() < 0.0005:
child_dna = copy.deepcopy(self.dna)
child_dna.mutate(0.01)
return Bloop(child_dna, self.position.x, self.position.y)
else:
return None
要注意的是，繁殖機率的大或小，對系統會有相當不一樣的影響。過大的繁殖機率，很容易會讓bloop族群的規模變得太大；而過小的繁殖機率，則可能會讓bloop生不如死，也就是生得少而死得多，最後在系統中沒有任何bloop存在。
到此為止，這個會演化的生態系統算是接近完工了，再補上一些小細節之後，就可以大功告成了。完工之後的World、DNA、Bloop、Food等類別的完整程式碼如下：
class World:
def __init__(self, population_size, width, height):
self.population_size = population_size
self.bloops = [None]*self.population_size
for i in range(self.population_size):
x = random.randint(0, width)
y = random.randint(0, height)
self.bloops[i] = Bloop(DNA(), x, y)
self.food = Food(population_size)
def run(self):
self.food.run()
for bloop in self.bloops.copy():
bloop.run()
bloop.eat(self.food)
if bloop.is_dead():
# 如果bloop死了，將其變成食物
self.bloops.remove(bloop)
self.food.add(bloop.position)
else:
# 如果bloop生出下一代，將下一代加入族群中
child = bloop.reproduce()
if child is not None:
self.bloops.append(child)
class DNA:
def __init__(self):
self.genes = [random.uniform(0, 1)]
def mutate(self, mutation_rate):
if random.random() < mutation_rate:
self.genes[0] = random.uniform(0, 1)
class Bloop:
def __init__(self, dna, x, y):
# 取得顯示畫面及其大小
self.screen = pygame.display.get_surface()
self.width, self.height = self.screen.get_size()
self.dna = dna
self.position = pygame.Vector2(x, y)
self.health = 100
self.max_speed = 15*(1-self.dna.genes[0])
self.radius = 25*self.dna.genes[0]
# 設定所在surface的格式為per-pixel alpha
w = h = 2*self.radius
self.surface = pygame.Surface((w, h), pygame.SRCALPHA)
color = (0, 0, 0, 200)
self.center = pygame.Vector2(self.radius, self.radius)
pygame.draw.circle(self.surface, color, self.center, self.radius)
# x、y方向上取1D Perlin noise之起始位置
self.xoff = 10000*random.random()
self.yoff = 10000*random.random()
def update(self):
vx = noise.pnoise1(self.xoff)*self.max_speed
vy = noise.pnoise1(self.yoff)*self.max_speed
velocity = pygame.Vector2(vx, vy)
self.position += velocity
self.health -= 0.2
self.xoff += 0.01
self.yoff += 0.01
def check_edges(self):
if self.position.x > self.width + self.radius:
self.position.x = -self.radius
elif self.position.x < -self.radius:
self.position.x = self.width + self.radius
if self.position.y > self.height + self.radius:
self.position.y = -self.radius
elif self.position.y < -self.radius:
self.position.y = self.height + self.radius
def is_dead(self):
return self.health < 0
def eat(self, food):
for position in food.positions.copy():
if position.distance_to(self.position) < 2*self.radius:
# 移除被吃掉的食物並增加bloop的生命力
food.positions.remove(position)
self.health += 100
def reproduce(self):
if random.random() < 0.0005:
child_dna = copy.deepcopy(self.dna)
child_dna.mutate(0.01)
return Bloop(child_dna, self.position.x, self.position.y)
else:
return None
def show(self):
self.screen.blit(self.surface, self.position-self.center)
def run(self):
self.update()
self.check_edges()
self.show()
class Food:
def __init__(self, num):
# 取得顯示畫面及其大小
self.screen = pygame.display.get_surface()
self.width, self.height = self.screen.get_size()
# 撒下特定數量的食物
self.positions = [None]*num
for i in range(num):
x = random.randint(0, self.width)
y = random.randint(0, self.height)
self.positions[i] = pygame.Vector2(x, y)
self.size = 5
def add(self, position):
self.positions.append(position)
def show(self):
for position in self.positions:
rect = pygame.Rect(0, 0, self.size, self.size)
rect.center = (position.x, position.y)
pygame.draw.rect(self.screen, (255, 0, 0), rect)
def run(self):
# 有一定的機率會出現新的食物
if random.random() < 0.001:
x = random.randint(0, self.width)
y = random.randint(0, self.height)
self.add(pygame.Vector2(x, y))
self.show()
現在，就來讓這個生態系統進行演化，看看哪種體型和移動速度的bloop會勝出。
Example 9.5: An Evolving Ecosystem
主程式如下
# python version 3.10.9
import copy
import random
import sys
import noise # version 1.2.2
import pygame # version 2.3.0
pygame.init()
pygame.display.set_caption("Example 9.5: An Evolving Ecosystem")
WHITE = (255, 255, 255)
screen_size = WIDTH, HEIGHT = 640, 240
screen = pygame.display.set_mode(screen_size)
FPS = 60
frame_rate = pygame.time.Clock()
population_size = 20
mutation_rate = 0.05
world = World(population_size, WIDTH, HEIGHT)
while True:
for event in pygame.event.get():
if event.type == pygame.QUIT:
pygame.quit()
sys.exit()
elif event.type == pygame.MOUSEBUTTONDOWN:
# 按下滑鼠按鍵可以投放一隻新的bloop
x, y = event.pos
world.bloops.append(Bloop(DNA(), x, y))
elif event.type == pygame.MOUSEMOTION and event.buttons[0]:
# 按下滑鼠左鍵拖曳，可以連續投放新的bloop
x, y = event.pos
world.bloops.append(Bloop(DNA(), x, y))
screen.fill(WHITE)
world.run()
pygame.display.update()
frame_rate.tick(FPS)
從模擬的結果可以看出來，中等體型、中等速度的bloop比較容易在生存競爭中勝出。體型過大的bloop，因為行動過慢而不容易找到食物；速度過快的bloop，則會因為體型太小而難以找到食物。當然啦，異常總是難免的。例如，如果有一群體型很大的bloop同時死在同一個地方，導致那個地方充滿了食物。好巧不巧，剛好有隻體型很大的bloop路過此地，一次把所有的食物都吃了。就這樣，這隻體型很大的bloop，因為吃得飽飽的，所以可以活很長的一段時間，而成為演化過程中的一個異數。不過話又說回來了，即便會有異常出現，但這種異常有多少機率會發生，而又能持續多久呢？！看看恐龍就知道了。
