尧图网页设计 
教程人工智能机器学习深度学习【免费下载链接】AI-For-Beginners12 Weeks, 24 Lessons, AI for All!项目地址https://gitcode.com/GitHub_Trending/ai/AI-For-Beginners点击查看免费下载本指南以 AI-For-Beginners 课程「多智能体系统」一节lessons/6-Other/23-MultiagentSystems的 NetLogo 作业为骨架讲清楚如何从 NetLogo 内置模型库中挑选模型、理解其主界面、调整参数去模拟一个真实世界情境作业示例即用 Virus 模型建模 COVID-19 传播并最终按「保存副本 视频演示」的交付要求完成作业。读完本文你将掌握多智能体建模的核心概念、NetLogo 的基本操作与调参思路并能独立走完这一实战作业的全流程。一、作业目标从模型库到现实情境本次作业的波斯语文档位于 translations/fa/lessons/6-Other/23-MultiagentSystems/assignment.md其英文原文为 lessons/6-Other/23-MultiagentSystems/assignment.md。作业内容可拆解为三个明确的任务点选模型从 NetLogo 的模型库Models Library中选择一个现有模型改参数尽可能精确地用它模拟一个真实生活情境——作业给出的示范方向是「修改 Alternative Visualizations 文件夹中的 Virus 模型展示如何用它建模 COVID-19 的传播」并抛出核心问题能否构建一个模仿真实病毒传播过程的模型交付物保存一份模型副本并制作一段演示视频在视频中解释该模型与现实情境之间的对应关系。需要特别说明的是该波斯语文档由 Co-op Translator 翻译服务自动生成文档末尾附有免责声明自动翻译可能存在误差应以英文原版assignment.md为权威来源敏感场景建议采用人工翻译。阅读与引用时建议以英文原版为准。二、为什么这类建模属于「多智能体系统」要完成作业先要理解 NetLogo 所代表的技术流派。第 23 课讲义lessons/6-Other/23-MultiagentSystems/README.md指出实现智能的一条路径是所谓涌现emergent又称协同 synergetic式路径大量相对简单的智能体其组合行为可以涌现出整体上更复杂、更「智能」的系统行为。从理论上讲这建立在集体智能、涌现主义与演化控制论等原则上——低层系统被正确组合成高层系统时会产生额外价值即「元系统跃迁」原理。多智能体方向兴起于 1990 年代是对互联网与分布式系统发展的回应。其中核心概念是智能体Agent——一个存在于某种**环境environment**中、能感知环境并施加行动的实体。讲义给出了多种分类维度分类维度类型特征推理能力反应式Reactive简单的请求—响应式行为推理能力慎思式Deliberative借助逻辑推理和/或规划能力代码执行位置静态Static在专属网络节点上工作代码执行位置移动Mobile代码可在网络节点间迁移行为方式被动Passive无明确目标只对刺激做出反应、不主动发起行动行为方式主动Active有自己要追求的目标行为方式认知Cognitive涉及复杂的规划与推理讲义还列举了多智能体系统的典型应用游戏中的 NPC 使用各类 AI 而可被视为智能体视频制作中渲染含人群的复杂 3D 场景常采用多智能体仿真系统建模方面多智能体方法已被成功用于预测 COVID-19 在全球的传播——这与本次作业的病毒建模方向直接对应类似方法还可建模城市交通、观察其对交规变化的反应。此外复杂自动化系统中每个设备都可作为独立智能体使整体系统更去单点化、更健壮。三、NetLogo 快速上手多智能体建模环境作业要求操作的 NetLogo正是一个多智能体建模环境基于改造版的 Logo 语言。Logo 语言最初用于向儿童讲授编程概念它允许你控制名为turtle海龟的智能体移动并留下轨迹可生成复杂几何图形是理解智能体行为的直观方式。讲义给出的一段最小代码展示了如何创建并指挥多个智能体create-turtles 10 ask turtles [ forward 10 ]create-turtles 10创建 10 只海龟ask turtles [ ... ]让所有海龟执行括号内的指令此处为前进 10 步。为了让群体行为更有趣可以只ask特定群体例如某个点附近的智能体也可以用breed [cats cat]创建不同**品种breed**的海龟——注意这里需要同时给出复数与单数两种词形因为不同命令为了清晰会使用不同形式。NetLogo 的世界由三类对象构成理解它们是读懂任何内置模型的前提智能体turtles可在场地上移动并行动通过ask turtles [...]指挥括号内代码以turtle 模式由所有智能体执行补丁patches场地上的方形区域智能体居住其上可引用同一补丁上的所有智能体也可修改补丁颜色等属性还可ask patches让其执行动作观察者observer控制世界的唯一智能体所有按钮处理器都以observer 模式执行。多智能体环境的精妙之处在于turtle 模式或 patch 模式下运行的代码会由所有智能体同时并行执行。因此只需写很少的代码、定义好单个智能体的行为就能让整个仿真系统涌现出复杂行为——这正是「小规则、大涌现」的关键。四、第一步从模型库挑选候选模型NetLogo 的杀手锏之一是自带模型库Models Library——大量开箱即用的可运行模型。在 NetLogo 中通过File → Models Library打开即可按类别浏览。模型库界面如下图所示素材取自本仓库 lessons/6-Other/23-MultiagentSystems/images/NetLogo-ModelLib.png作业要求的「选择一个模型」就从这里开始。讲义以Biology → Flocking作为入门示例而作业给出的建议目标则是Alternative Visualizations 文件夹下的 Virus 模型——该模型属于病毒传播类仿真天然契合「建模 COVID-19 传播」的需求。选模型的判断标准应当是模型所模拟的底层机制与你想要复现的现实情境越接近后续调参工作量越小。五、第二步理解主界面运行模型打开模型后会进入 NetLogo 主界面。讲义以「狼—羊—草地」模型狼与羊在有资源上限草地上共存为例说明界面构成主界面截图见 lessons/6-Other/23-MultiagentSystems/images/NetLogo-Main.png主界面包含两个关键部分Interface界面标签页含主场地所有智能体活动于此、各类控件按钮、滑杆等、以及用于显示仿真参数的图表Code代码标签页代码编辑器用于编写和修改 NetLogo 程序。绝大多数模型的界面都有Setup 按钮初始化仿真状态和Go 按钮开始执行它们由代码中形如下面的处理器支撑to go [ ... ]运行模型的通用流程是先点Setup重置仿真再点Go启动观察图表与场地的变化必要时用滑杆调整参数后重新运行。这一步也是后面「保存副本 录屏演示」要呈现的核心画面。六、第三步理解「调参」如何改变涌现行为作业的关键动作是「修改参数使其贴近现实」。讲义用 Flocking鸟群结群飞行模型讲透了参数与行为的关系——结群看起来像存在集体算法或「集体智能」但实际上每个个体智能体鸟只观察短距离内的其他智能体并遵循三条简单规则对齐Alignment朝邻居的平均航向转向凝聚Cohesion朝邻居的平均位置转向远距吸引分离Separation当离其他鸟过近时试图离开近距排斥。你可以运行 Flocking 示例并调整参数例如分离程度degree of separation或视野范围viewing range即每只鸟能看多远。讲义给出了两个极端的可验证结论把视野范围降到0所有鸟「失明」结群行为停止把分离度降到0所有鸟挤成一条直线。这个「参数 — 个体规则 — 整体涌现」的因果链正是本次作业调参方法的原型你在 Virus 模型中所做的修改本质上就是调整「感染概率」「接触半径」「恢复时长」「人口密度」等个体层面的规则与参数从而让整体传播曲线贴近 COVID-19 的真实数据。可以切换到Code 标签页查看对齐、凝聚、分离三条规则在代码中的实现位置观察代码如何只引用视野内的智能体——这种「局部感知 简单规则」正是多智能体建模的标准范式。七、第四步把「现实问题」翻译成「规则 参数」讲义在交通模型Social Science → Traffic Basic / Traffic Grid中展示了现实规则如何被翻译成智能体行为每辆车遵循——前方空间为空则加速至某一最大速度看到前方障碍则刹车且驾驶员视野距离可调。这与病毒传播建模的思路完全一致定义个体规则易感者何时被感染接触感染者、感染者如何传播移动 接触范围、何时恢复或隔离定义可调参数感染概率、接触半径、潜伏/恢复时长、人口规模与流动性——对应 COVID-19 流行病学中的核心指标与现实校准调整参数使仿真的感染人数曲线、峰值时间等与真实疫情数据逼近即作业要求的「尽可能精确地模拟现实」。作业原文的引导性问题——能否构建一个模仿真实病毒传播的模型——答案就藏在这套「个体规则 参数 校准」方法论中。在动手前建议先阅读目标模型的 Code 标签页源码弄清哪些参数已暴露为滑杆、哪些需要直接改代码这与讲义提示的「到 Code 标签页看三规则如何实现」一脉相承。八、第五步交付物——保存副本与视频演示作业要求用两种方式展示成果保存副本对修改后的模型另存为一份新副本保留原始模型不变便于比对「基线版」与「修改版」的差异制作视频演示录制一段讲解视频说明模型与现实情境的对应关系——即回答「模型中的每个元素对应现实中的什么」如场地代表城市/人群、智能体代表个体、颜色状态代表感染阶段、图表代表累计感染曲线并演示参数调整如何改变疫情走势。建议视频结构展示模型库中原始模型 → 展示修改后的副本 → 演示关键参数如何影响传播 → 总结模型与现实数据的对应关系。这一交付物同时也是讲义「Review Self Study」环节中面向制造业、游戏业等场景审视多智能体系统用法的起点。九、延伸更多可映射到现实情境的模型讲义还推荐了几个适合练习「现实情境映射」的模型可作为选材备选Art → Fireworks把一场烟花视为多条独立火流的集体行为Social Science → Traffic Basic / Traffic Grid一维与二维网格上的城市交通模型含/不含红绿灯两种情形规则即上文所述的「加速—刹车」Social Science → Party模拟鸡尾酒会上人群的聚团过程可通过参数组合寻找让群体幸福值最快上升的配置。从这些例子可以看出多智能体仿真非常适合理解「由遵循相同或相似逻辑的个体组成的复杂系统」它同样可用于控制虚拟智能体如游戏中的 NPC 或 3D 动画世界里的人物。讲义末尾的 Challenge 还提供了两个概念化练习设计一个优化校车路线的多智能体系统或设想它在面包房场景中如何运作——这可以作为完成本次作业后的进阶思考。十、进阶背景从反应式到慎思式智能体作业涉及的 NetLogo 智能体属于反应式它们用某种算法对环境变化做出响应。讲义进一步介绍了更复杂的**慎思式deliberative**智能体——它们会推理并规划行动。典型例子是「个人度假预订智能体」它接收人类指令后需要联络互联网上的其他智能体查询航班余票、各日期的酒店价格并协商最优价计划经主人确认后再执行预订。慎思式智能体间的成功通信需要四类基础设施标准知识交换语言如知识交换格式KIF与知识查询与操作语言KQML基于言语行为理论设计协商协议基于不同的拍卖类型共享本体ontology确保各方引用同一概念且语义一致能力发现机制同样基于本体让智能体知道彼此能做什么。慎思式智能体不仅要对环境变化做出反应还要能主动发起行动因此常采用BDIBelief-Desire-Intention信念—愿望—意图架构信念是智能体关于环境的知识集合可组织为知识库或规则集愿望是智能体的目标如助手智能体的目标是订到行程酒店智能体的目标是利润最大化意图是为达成目标规划的具体行动通常改变环境并触发与其他智能体的通信。构建这类系统的平台如 JADE 即为代表。讲义结论亦点明多智能体系统形态多样但共同点都是聚焦个体智能体的简单行为借助**协同效应synergetic effect**让整体系统呈现更复杂的行为。附完成本次作业的检查清单已在 NetLogo 模型库中选定一个模型如 Alternative Visualizations 中的 Virus 模型已阅读该模型的 Code 标签页弄清个体规则与可调参数已保存修改后的模型副本不覆盖原始模型已通过调参让模型行为贴近所选现实情境如 COVID-19 传播走势已录制视频演示逐项说明模型元素与现实情境的对应关系已对照英文原版作业assignment.md核对要求参考讲义 README.md 补足多智能体背景知识。赞分享教程人工智能机器学习深度学习【免费下载链接】AI-For-Beginners12 Weeks, 24 Lessons, AI for All!项目地址https://gitcode.com/GitHub_Trending/ai/AI-For-Beginners点击查看免费下载相关推荐AI-For-Beginners NetLogo 作业实战用多智能体建模模拟 COVID-19 疫情传播AI For Beginners NetLogo 作业实战用多智能体建模模拟 COVID 19 疫情传播 本指南对应 AI For Beginners htt教程人工智能机器学习深度学习用 NetLogo 复现 COVID-19 传播AI-For-Beginners 多智能体建模作业实战指南用 NetLogo 复现 COVID 19 传播AI For Beginners 多智能体建模作业实战指南 AI For Beginners 课程第 23 课教程人工智能机器学习深度学习用 NetLogo 多智能体模拟疫情传播AI for Beginners 第 23 课实战作业全指南用 NetLogo 多智能体模拟疫情传播AI for Beginners 第 23 课实战作业全指南 本篇技术指南围绕 AI for Beginners ht教程人工智能机器学习深度学习上一篇SLO/SLI 全流程管理实战指南从指标定义、错误预算到多窗口燃烧率监控下一篇Theatre内存泄漏案例分析常见场景与修复方案创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 AI-For-Beginners 多智能体建模实战：用 NetLogo 模拟 COVID-19 病毒传播（第 23 课作业指南）
教程人工智能机器学习深度学习【免费下载链接】AI-For-Beginners12 Weeks, 24 Lessons, AI for All!项目地址https://gitcode.com/GitHub_Trending/ai/AI-For-Beginners点击查看免费下载本指南以 AI-For-Beginners 课程「多智能体系统」一节lessons/6-Other/23-MultiagentSystems的 NetLogo 作业为骨架讲清楚如何从 NetLogo 内置模型库中挑选模型、理解其主界面、调整参数去模拟一个真实世界情境作业示例即用 Virus 模型建模 COVID-19 传播并最终按「保存副本 视频演示」的交付要求完成作业。读完本文你将掌握多智能体建模的核心概念、NetLogo 的基本操作与调参思路并能独立走完这一实战作业的全流程。一、作业目标从模型库到现实情境本次作业的波斯语文档位于 translations/fa/lessons/6-Other/23-MultiagentSystems/assignment.md其英文原文为 lessons/6-Other/23-MultiagentSystems/assignment.md。作业内容可拆解为三个明确的任务点选模型从 NetLogo 的模型库Models Library中选择一个现有模型改参数尽可能精确地用它模拟一个真实生活情境——作业给出的示范方向是「修改 Alternative Visualizations 文件夹中的 Virus 模型展示如何用它建模 COVID-19 的传播」并抛出核心问题能否构建一个模仿真实病毒传播过程的模型交付物保存一份模型副本并制作一段演示视频在视频中解释该模型与现实情境之间的对应关系。需要特别说明的是该波斯语文档由 Co-op Translator 翻译服务自动生成文档末尾附有免责声明自动翻译可能存在误差应以英文原版assignment.md为权威来源敏感场景建议采用人工翻译。阅读与引用时建议以英文原版为准。二、为什么这类建模属于「多智能体系统」要完成作业先要理解 NetLogo 所代表的技术流派。第 23 课讲义lessons/6-Other/23-MultiagentSystems/README.md指出实现智能的一条路径是所谓涌现emergent又称协同 synergetic式路径大量相对简单的智能体其组合行为可以涌现出整体上更复杂、更「智能」的系统行为。从理论上讲这建立在集体智能、涌现主义与演化控制论等原则上——低层系统被正确组合成高层系统时会产生额外价值即「元系统跃迁」原理。多智能体方向兴起于 1990 年代是对互联网与分布式系统发展的回应。其中核心概念是智能体Agent——一个存在于某种**环境environment**中、能感知环境并施加行动的实体。讲义给出了多种分类维度分类维度类型特征推理能力反应式Reactive简单的请求—响应式行为推理能力慎思式Deliberative借助逻辑推理和/或规划能力代码执行位置静态Static在专属网络节点上工作代码执行位置移动Mobile代码可在网络节点间迁移行为方式被动Passive无明确目标只对刺激做出反应、不主动发起行动行为方式主动Active有自己要追求的目标行为方式认知Cognitive涉及复杂的规划与推理讲义还列举了多智能体系统的典型应用游戏中的 NPC 使用各类 AI 而可被视为智能体视频制作中渲染含人群的复杂 3D 场景常采用多智能体仿真系统建模方面多智能体方法已被成功用于预测 COVID-19 在全球的传播——这与本次作业的病毒建模方向直接对应类似方法还可建模城市交通、观察其对交规变化的反应。此外复杂自动化系统中每个设备都可作为独立智能体使整体系统更去单点化、更健壮。三、NetLogo 快速上手多智能体建模环境作业要求操作的 NetLogo正是一个多智能体建模环境基于改造版的 Logo 语言。Logo 语言最初用于向儿童讲授编程概念它允许你控制名为turtle海龟的智能体移动并留下轨迹可生成复杂几何图形是理解智能体行为的直观方式。讲义给出的一段最小代码展示了如何创建并指挥多个智能体create-turtles 10 ask turtles [ forward 10 ]create-turtles 10创建 10 只海龟ask turtles [ ... ]让所有海龟执行括号内的指令此处为前进 10 步。为了让群体行为更有趣可以只ask特定群体例如某个点附近的智能体也可以用breed [cats cat]创建不同**品种breed**的海龟——注意这里需要同时给出复数与单数两种词形因为不同命令为了清晰会使用不同形式。NetLogo 的世界由三类对象构成理解它们是读懂任何内置模型的前提智能体turtles可在场地上移动并行动通过ask turtles [...]指挥括号内代码以turtle 模式由所有智能体执行补丁patches场地上的方形区域智能体居住其上可引用同一补丁上的所有智能体也可修改补丁颜色等属性还可ask patches让其执行动作观察者observer控制世界的唯一智能体所有按钮处理器都以observer 模式执行。多智能体环境的精妙之处在于turtle 模式或 patch 模式下运行的代码会由所有智能体同时并行执行。因此只需写很少的代码、定义好单个智能体的行为就能让整个仿真系统涌现出复杂行为——这正是「小规则、大涌现」的关键。四、第一步从模型库挑选候选模型NetLogo 的杀手锏之一是自带模型库Models Library——大量开箱即用的可运行模型。在 NetLogo 中通过File → Models Library打开即可按类别浏览。模型库界面如下图所示素材取自本仓库 lessons/6-Other/23-MultiagentSystems/images/NetLogo-ModelLib.png作业要求的「选择一个模型」就从这里开始。讲义以Biology → Flocking作为入门示例而作业给出的建议目标则是Alternative Visualizations 文件夹下的 Virus 模型——该模型属于病毒传播类仿真天然契合「建模 COVID-19 传播」的需求。选模型的判断标准应当是模型所模拟的底层机制与你想要复现的现实情境越接近后续调参工作量越小。五、第二步理解主界面运行模型打开模型后会进入 NetLogo 主界面。讲义以「狼—羊—草地」模型狼与羊在有资源上限草地上共存为例说明界面构成主界面截图见 lessons/6-Other/23-MultiagentSystems/images/NetLogo-Main.png主界面包含两个关键部分Interface界面标签页含主场地所有智能体活动于此、各类控件按钮、滑杆等、以及用于显示仿真参数的图表Code代码标签页代码编辑器用于编写和修改 NetLogo 程序。绝大多数模型的界面都有Setup 按钮初始化仿真状态和Go 按钮开始执行它们由代码中形如下面的处理器支撑to go [ ... ]运行模型的通用流程是先点Setup重置仿真再点Go启动观察图表与场地的变化必要时用滑杆调整参数后重新运行。这一步也是后面「保存副本 录屏演示」要呈现的核心画面。六、第三步理解「调参」如何改变涌现行为作业的关键动作是「修改参数使其贴近现实」。讲义用 Flocking鸟群结群飞行模型讲透了参数与行为的关系——结群看起来像存在集体算法或「集体智能」但实际上每个个体智能体鸟只观察短距离内的其他智能体并遵循三条简单规则对齐Alignment朝邻居的平均航向转向凝聚Cohesion朝邻居的平均位置转向远距吸引分离Separation当离其他鸟过近时试图离开近距排斥。你可以运行 Flocking 示例并调整参数例如分离程度degree of separation或视野范围viewing range即每只鸟能看多远。讲义给出了两个极端的可验证结论把视野范围降到0所有鸟「失明」结群行为停止把分离度降到0所有鸟挤成一条直线。这个「参数 — 个体规则 — 整体涌现」的因果链正是本次作业调参方法的原型你在 Virus 模型中所做的修改本质上就是调整「感染概率」「接触半径」「恢复时长」「人口密度」等个体层面的规则与参数从而让整体传播曲线贴近 COVID-19 的真实数据。可以切换到Code 标签页查看对齐、凝聚、分离三条规则在代码中的实现位置观察代码如何只引用视野内的智能体——这种「局部感知 简单规则」正是多智能体建模的标准范式。七、第四步把「现实问题」翻译成「规则 参数」讲义在交通模型Social Science → Traffic Basic / Traffic Grid中展示了现实规则如何被翻译成智能体行为每辆车遵循——前方空间为空则加速至某一最大速度看到前方障碍则刹车且驾驶员视野距离可调。这与病毒传播建模的思路完全一致定义个体规则易感者何时被感染接触感染者、感染者如何传播移动 接触范围、何时恢复或隔离定义可调参数感染概率、接触半径、潜伏/恢复时长、人口规模与流动性——对应 COVID-19 流行病学中的核心指标与现实校准调整参数使仿真的感染人数曲线、峰值时间等与真实疫情数据逼近即作业要求的「尽可能精确地模拟现实」。作业原文的引导性问题——能否构建一个模仿真实病毒传播的模型——答案就藏在这套「个体规则 参数 校准」方法论中。在动手前建议先阅读目标模型的 Code 标签页源码弄清哪些参数已暴露为滑杆、哪些需要直接改代码这与讲义提示的「到 Code 标签页看三规则如何实现」一脉相承。八、第五步交付物——保存副本与视频演示作业要求用两种方式展示成果保存副本对修改后的模型另存为一份新副本保留原始模型不变便于比对「基线版」与「修改版」的差异制作视频演示录制一段讲解视频说明模型与现实情境的对应关系——即回答「模型中的每个元素对应现实中的什么」如场地代表城市/人群、智能体代表个体、颜色状态代表感染阶段、图表代表累计感染曲线并演示参数调整如何改变疫情走势。建议视频结构展示模型库中原始模型 → 展示修改后的副本 → 演示关键参数如何影响传播 → 总结模型与现实数据的对应关系。这一交付物同时也是讲义「Review Self Study」环节中面向制造业、游戏业等场景审视多智能体系统用法的起点。九、延伸更多可映射到现实情境的模型讲义还推荐了几个适合练习「现实情境映射」的模型可作为选材备选Art → Fireworks把一场烟花视为多条独立火流的集体行为Social Science → Traffic Basic / Traffic Grid一维与二维网格上的城市交通模型含/不含红绿灯两种情形规则即上文所述的「加速—刹车」Social Science → Party模拟鸡尾酒会上人群的聚团过程可通过参数组合寻找让群体幸福值最快上升的配置。从这些例子可以看出多智能体仿真非常适合理解「由遵循相同或相似逻辑的个体组成的复杂系统」它同样可用于控制虚拟智能体如游戏中的 NPC 或 3D 动画世界里的人物。讲义末尾的 Challenge 还提供了两个概念化练习设计一个优化校车路线的多智能体系统或设想它在面包房场景中如何运作——这可以作为完成本次作业后的进阶思考。十、进阶背景从反应式到慎思式智能体作业涉及的 NetLogo 智能体属于反应式它们用某种算法对环境变化做出响应。讲义进一步介绍了更复杂的**慎思式deliberative**智能体——它们会推理并规划行动。典型例子是「个人度假预订智能体」它接收人类指令后需要联络互联网上的其他智能体查询航班余票、各日期的酒店价格并协商最优价计划经主人确认后再执行预订。慎思式智能体间的成功通信需要四类基础设施标准知识交换语言如知识交换格式KIF与知识查询与操作语言KQML基于言语行为理论设计协商协议基于不同的拍卖类型共享本体ontology确保各方引用同一概念且语义一致能力发现机制同样基于本体让智能体知道彼此能做什么。慎思式智能体不仅要对环境变化做出反应还要能主动发起行动因此常采用BDIBelief-Desire-Intention信念—愿望—意图架构信念是智能体关于环境的知识集合可组织为知识库或规则集愿望是智能体的目标如助手智能体的目标是订到行程酒店智能体的目标是利润最大化意图是为达成目标规划的具体行动通常改变环境并触发与其他智能体的通信。构建这类系统的平台如 JADE 即为代表。讲义结论亦点明多智能体系统形态多样但共同点都是聚焦个体智能体的简单行为借助**协同效应synergetic effect**让整体系统呈现更复杂的行为。附完成本次作业的检查清单已在 NetLogo 模型库中选定一个模型如 Alternative Visualizations 中的 Virus 模型已阅读该模型的 Code 标签页弄清个体规则与可调参数已保存修改后的模型副本不覆盖原始模型已通过调参让模型行为贴近所选现实情境如 COVID-19 传播走势已录制视频演示逐项说明模型元素与现实情境的对应关系已对照英文原版作业assignment.md核对要求参考讲义 README.md 补足多智能体背景知识。赞分享教程人工智能机器学习深度学习【免费下载链接】AI-For-Beginners12 Weeks, 24 Lessons, AI for All!项目地址https://gitcode.com/GitHub_Trending/ai/AI-For-Beginners点击查看免费下载相关推荐AI-For-Beginners NetLogo 作业实战用多智能体建模模拟 COVID-19 疫情传播AI For Beginners NetLogo 作业实战用多智能体建模模拟 COVID 19 疫情传播 本指南对应 AI For Beginners htt教程人工智能机器学习深度学习用 NetLogo 复现 COVID-19 传播AI-For-Beginners 多智能体建模作业实战指南用 NetLogo 复现 COVID 19 传播AI For Beginners 多智能体建模作业实战指南 AI For Beginners 课程第 23 课教程人工智能机器学习深度学习用 NetLogo 多智能体模拟疫情传播AI for Beginners 第 23 课实战作业全指南用 NetLogo 多智能体模拟疫情传播AI for Beginners 第 23 课实战作业全指南 本篇技术指南围绕 AI for Beginners ht教程人工智能机器学习深度学习上一篇SLO/SLI 全流程管理实战指南从指标定义、错误预算到多窗口燃烧率监控下一篇Theatre内存泄漏案例分析常见场景与修复方案创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考