系统建模与分析课程代码解读及相关问题咨询

先明确pivot变量的作用 #

pivot是当前所有智能体（agents）数值的平均值：代码里先通过循环把所有agents的数值求和得到x，再除以智能体数量num_samples，计算出群体当前的平均水平。这个变量是智能体行为调整的核心参照标准。

1. 智能体之间如何相互影响？ #

• 智能体并非直接一对一交互，而是通过群体平均值间接相互影响：每个智能体的更新规则完全依赖于当前群体的平均数值（pivot）。
• 具体规则：
  • 如果当前智能体的数值小于群体平均值，就给它加上一个0到1之间的随机数；
  • 如果当前智能体的数值大于或等于群体平均值，就给它减去一个0到1之间的随机数。
• 本质是让每个智能体向群体的平均水平靠拢，但随机数的存在会让调整幅度带有不确定性。

2. 它们会表现出哪些长期行为？ #

• 群体层面：所有智能体的数值会围绕群体平均值持续波动，但平均值本身会大致稳定在初始均值附近（初始是0-1随机数的平均，约0.5），不会出现持续上涨或下跌的趋势——因为加和减的随机数都是0-1均匀分布，长期来看总和的变化会相互抵消。
• 个体层面：单个智能体的数值会一直随机波动，但不会偏离平均值太远：一旦偏离过多，就会触发反向调整（低于均值就加，高于就减），因此不会出现某个智能体数值无限增大或缩小的极端情况。
• 不会出现的行为：不会形成明显的两极分化，也不会有智能体长期脱离群体均值单向发展。

3. 模型可代表的系统例子 #

• 市场商家定价：把每个智能体的数值看作商家的产品定价，商家会参考行业平均定价调整自己的价格——定价低于行业平均就往上调（随机数代表调整幅度的不确定性），高于平均就往下调，最终市场价格围绕行业均值波动，不会出现定价极端偏离的情况。
• 群体意见动态：比如一群人对某件事的满意度打分，每个人会参考群体的平均打分调整自己的意见，随机数代表个人调整时的小幅度偏差或犹豫，最终群体意见会围绕均值波动，不会出现完全对立的极端意见群体。

内容的提问来源于stack exchange，提问作者John Alperto