前提
エージェントベースモデルの一種である Boidsのアルゴリズムの一部を変更したエージェントベースモデルを作成して、プロットしようとしたらエラーが出てしまった。
実現したいこと
優先順は下記の通りお願い出来るととてもありがたいです。
1:プロットできる様にしたいです。
2:1体のエージェントだけ異なるアルゴリズムで動かせる様にしたいです。
3:開始位置からもっとも遠い壁をゴールとして、エージェントはゴールを目指して進み、ゴールに着くとそのエージェントは終了する様にしたいです。
発生している問題・エラーメッセージ
list index out of range
該当のソースコード
import numpy as np import matplotlib.pyplot as plt import matplotlib.animation as animation from IPython.display import HTML SIZE = 10#移動できる範囲 VEL = 1.0#速度 AGENT = 20#エージェントの数 RANGE_Separate=2#分離ルールの範囲 a1=-0.034298 b1=3.348394 c1=4.252840 d1=-0.003423 class Boids(): #初期設定 def __init__(self): self.agent = [] for n in range(AGENT): pos = np.random.uniform(-SIZE,SIZE,2)#np.random.uniform(low=0.0, high=1.0, size=None) vel = np.random.uniform(-VEL,VEL,2) self.agent += [{'p':pos, 'v':vel}]#位置と速度をまとめた self.dist = np.zeros([AGENT,AGENT]) #距離の計算 def distance(self): for i in range(AGENT): for j in range(AGENT): d = self.agent[i]['p'] - self.agent[j]['p']#dは座標間の差 self.dist[i][j] = np.linalg.norm(d)#dの絶対値の和を算出することで座標間距離を出力 #回避ルール def ruleSeparate(self,n): a = np.array(np.where(self.dist[n]<RANGE_Separate), dtype=int)[0]#インデックスを返す、要素の0番目である行を指定 v = np.zeros(2) cnt = 0 for i in a: if i != n: d = self.agent[n]['p'] - self.agent[i]['p'] self.vel=self.agent[n]['v'] - self.agent[i]['v'] TTNP=d/self.vel DINP= self.dist[n][i] v += 1/(1+np.exp(-(c1+d1*TTNP)))*1/(1+np.exp(-(b1+a1*DINP))) cnt +=1 if cnt == 0: return 0 return v/cnt#AGENT def simulation(self): self.distance() vel_tmp = [] for i in range(AGENT): d = self.agent[n]['p'] - self.agent[i]['p'] vel_tmp +=[np.where(d<0.5,0,self.ruleSeparate(i))] for i in range(AGENT): self.agent[i]['v'] += vel_tmp[i] v = np.linalg.norm(self.agent[i]['v']) if v>VEL: self.agent[i]['v'] = self.agent[i]['v']/v*VEL elif v<VEL/2: self.agent[i]['v'] = self.agent[i]['v']/v*VEL/2 for i in range(AGENT): if(abs((self.agent[i]['p']+self.agent[i]['v'])[0]) > SIZE): self.agent[i]['v'][0] = -self.agent[i]['v'][0] if(abs((self.agent[i]['p']+self.agent[i]['v'])[1]) > SIZE): self.agent[i]['v'][1] = -self.agent[i]['v'][1] self.agent[i]['p'] += self.agent[i]['v'] def showImage(self): pos_array = np.zeros([2,AGENT]) for i in range(AGENT): pos_array[0][i] = self.agent[i]['p'][0] pos_array[1][i] = self.agent[i]['p'][1] return pos_array np.random.seed( 0 ) B = Boids() fig, ax = plt.subplots(figsize = (6, 6)) ax.set_xlim(-SIZE, SIZE) ax.set_ylim(-SIZE, SIZE) ax.grid(True) ims = [] for t in range(100): B.simulation() plot_data = B.showImage() im=ax.plot(*plot_data,"o",ms=5,c="k") ims.append(im) ani = animation.ArtistAnimation(fig, ims, interval=20, repeat=False) HTML(ani.to_jshtml())
試したこと
オリジナルのBoidsのアルゴリズムになります
class Boids(): #初期設定 def __init__(self): self.agent = [] for n in range(AGENT): pos = np.random.uniform(-SIZE,SIZE,2)#np.random.uniform(low=0.0, high=1.0, size=None) vel = np.random.uniform(-VEL,VEL,2) self.agent += [{'p':pos, 'v':vel}] self.dist = np.zeros([AGENT,AGENT]) #距離の計算 def distance(self): for i in range(AGENT): for j in range(AGENT): d = self.agent[i]['p'] - self.agent[j]['p'] self.dist[i][j] = np.linalg.norm(d) #分離ルール def ruleSeparate(self,n): a = np.array(np.where(self.dist[n]<RANGE_Separate), dtype=int)[0] v = np.zeros(2) cnt = 0 for i in a: if i != n: d = self.agent[n]['p'] - self.agent[i]['p'] v += d / self.dist[n][i]**2#np.linalg.norm(d) cnt +=1 if cnt == 0: return 0 return v/cnt#AGENT #整列ルール def ruleAlignment(self,n): a = np.array(np.where(self.dist[n]<RANGE_Alignment), dtype=int)[0] v = np.zeros(2) cnt = 0 for i in a: v -= self.agent[n]['v'] - self.agent[i]['v'] cnt += 1 return v/cnt#AGENT #結合ルール def ruleCohesion(self,n): p = np.zeros(2) for i in range(AGENT): p -= self.agent[n]['p'] - self.agent[i]['p'] return p/AGENT #シミュレーション def simulation(self): self.distance() vel_tmp = [] for i in range(AGENT): vel_tmp += [self.ruleSeparate(i)*0.5 + self.ruleAlignment(i)*0.6 + self.ruleCohesion(i)*0.4] for i in range(AGENT): self.agent[i]['v'] += vel_tmp[i] v = np.linalg.norm(self.agent[i]['v']) if v>VEL: self.agent[i]['v'] = self.agent[i]['v']/v*VEL elif v<VEL/2: self.agent[i]['v'] = self.agent[i]['v']/v*VEL/2 for i in range(AGENT): if(abs((self.agent[i]['p']+self.agent[i]['v'])[0]) > SIZE): self.agent[i]['v'][0] = -self.agent[i]['v'][0] if(abs((self.agent[i]['p']+self.agent[i]['v'])[1]) > SIZE): self.agent[i]['v'][1] = -self.agent[i]['v'][1] self.agent[i]['p'] += self.agent[i]['v'] def showImage(self): pos_array = np.zeros([2,AGENT]) for i in range(AGENT): pos_array[0][i] = self.agent[i]['p'][0] pos_array[1][i] = self.agent[i]['p'][1] return pos_array
補足情報(FW/ツールのバージョンなど)
ここにより詳細な情報を記載してください。
こちらの質問が複数のユーザーから「調査したこと・試したことが記載されていない質問」という指摘を受けました。
配列に関する計算が多く,どこでエラーが起きたのか不明です.
エラーは全文載せるようにしてください.ユーザ名等の個人情報は伏せて結構です.
self.agent[i]['v'] += vel_tmp[i]
でエラーが出たのではないですか?
> 優先順は下記の通りお願い出来るととてもありがたいです。
> 1:プロットできる様にしたいです。
> 2:1体のエージェントだけ異なるアルゴリズムで動かせる様にしたいです。
> 3:開始位置からもっとも遠い壁をゴールとして、エージェントはゴールを目指して進み、ゴールに着くとそのエージェントは終了する様にしたいです。
1つの投稿につき1つの質問にしましょう。
試しに動かしましたが
v += 1/(1+np.exp(-(c1+d1*TTNP)))*1/(1+np.exp(-(b1+a1*DINP)))
のところでオーバーフローしまくりますね.
教えてくださりありがとうございます。
シグモイド関数などの場合は変数xを正負で場合分けをして、負の場合には分母分子にe((x)をかける事でオーバーフローを回避できると思うのですが、1/(1+np.exp(-(c1+d1*TTNP)))*1/(1+np.exp(-(b1+a1*DINP)))の場合は場合分けを2回行わないといけないのでしょうか?
それとももっと上手く処理できる方法があれば教えて頂けると嬉しいです。
というわけではなく,動かしてみるとわかりますが
近隣のエージェントとの向きが揃ってしまった場合に,
self.vel=self.agent[n]['v'] - self.agent[i]['v']
がほとんど0になってしまい,
TTNP=d/self.vel
があまりにも大きい値を示す,または0除算であることのエラーが出て,
np.exp(-(c1+d1*TTNP))
のところでオーバーフローしてしまうようです.
np.expの指数部が正だろうが負だろうがPythonの扱う倍精度浮動小数点数は10^300または10^-300ぐらいが限界で,これを超えるとオーバーフローのWarningが出ます.
乱数による初期状態依存なので,もちろん出るときと出ないときがあります.長い目で見るといつか必ず出るでしょうね.序盤は出なくてもずっと観測してたらいつか出ます.
正しい結果とは思えませんが,そのコードでよければ回答の方に掲載します.
オリジナルのseparateには存在しなかった速度ベクトルvelによる除算を追加したことにより発生したので,これを無くすと改善する.としか言いようがありません.根本的に独自separateのアルゴリズムや反発パラメータに関して変更しない限り,オーバーフローした値が出て理論値と異なる結果が出る可能性は捨てきれないです.
ありがとうございます。
ご指摘を頂いて変更した部分である、v += 1/(1+np.exp(-(c1+d1*TTNP)))*1/(1+np.exp(-(b1+a1*DINP)))が本来求めたかったものとズレてしまっていることに漸く気づきました。
本来求めたかったものとしてはnのエージェントから'RANGE_Separate'の範囲内に入ったエージェントiに対してvを算出して、iと反発する方向にvの力を加えたいと考えていました。
Separateの処理でオーバーフローを想定出来ていなかったので、再度考え直そうと思います。
シミュレーションに本来期待していた結果ではないですが、上記のシミュレーションを実装する上で参考にさせて頂期きたいので回答の方にコードを掲載して頂けると嬉しいです。
一から丁寧に解説してくださり本当にありがとうございました。
回答1件
あなたの回答
tips
プレビュー