Repast Simphony实战：从零构建僵尸感染传播模型

1. Repast Simphony入门指南

第一次接触Repast Simphony时，我也被这个强大的多Agent仿真平台震撼到了。它就像是一个虚拟世界的实验室，让我们能够用代码构建各种复杂系统的动态模型。今天要分享的僵尸感染传播模型，就是我在学习Repast时完成的第一个完整项目。

Repast Simphony最吸引我的地方在于它提供了完整的仿真开发生命周期支持。从模型设计、代码实现到可视化展示和数据分析，全部都能在一个集成环境中完成。对于初学者来说，最需要适应的就是它的项目结构。在Eclipse中切换到Repast Simphony视图后，你会发现标准Java项目被扩展成了包含context.xml、scenario.rs等配置文件的特殊结构。

这里有个小技巧：创建新项目时，建议直接使用Repast提供的模板。我第一次手动配置项目花了整整半天时间排查各种路径问题，而用模板只需要几分钟就能搭建好基础环境。项目中的关键目录包括：

• src：存放所有Java源代码
• config：包含模型运行的各类配置文件
• test：单元测试代码
• repast.settings：IDE相关配置

2. 模型设计与空间配置

2.1 空间投影类型选择

在僵尸模型中，我们主要用到三种空间投影：

1. ContinuousSpace：模拟连续空间移动
2. Grid：处理离散网格位置
3. Network：建立感染关系网络

实际开发中发现，ContinuousSpace和Grid的配合使用特别重要。僵尸和人类的移动在视觉上需要连续平滑，但感染判断又需要精确到具体网格位置。这就涉及到坐标转换的问题：

java复制// 连续坐标转网格坐标
NdPoint continuousPt = space.getLocation(obj);
GridPoint gridPt = new GridPoint((int)continuousPt.getX(), (int)continuousPt.getY());

// 网格坐标转连续坐标
NdPoint newContinuousPt = new NdPoint(gridPt.getX(), gridPt.getY());

2.2 边界处理策略

WrapAroundBorders是我最推荐的边界处理方式，它让空间变成环形拓扑结构。这意味着当Agent移动到边界时会从另一侧重新出现，这种设计既符合游戏场景需求，又能避免复杂的边界条件判断。在初始化空间时这样配置：

java复制ContinuousSpace<Object> space = spaceFactory.createContinuousSpace(
    "space", context, 
    new RandomCartesianAdder<Object>(), 
    new WrapAroundBorders(), 50, 50);

3. Agent行为逻辑实现

3.1 僵尸Agent设计

僵尸的核心行为包括追踪人类和感染传播。在step()方法中，我实现了基于网格邻域查询的追踪逻辑：

java复制@ScheduledMethod(start = 1, interval = 1)
public void step() {
    GridPoint currentPos = grid.getLocation(this);
    GridCellNgh<Human> ngh = new GridCellNgh<>(grid, currentPos, Human.class, 1, 1);
    List<GridCell<Human>> neighbors = ngh.getNeighborhood(true);
    
    // 找出人类最多的网格点
    GridPoint target = findMostHumans(neighbors);
    moveTowards(target);
    infect();
}

这里有个性能优化点：SimUtilities.shuffle()可以随机打乱邻居列表顺序，避免Agent总是朝固定方向移动产生规律性模式。

3.2 人类Agent设计

人类的逃跑行为通过@Watch注解实现事件驱动，这是Repast中非常实用的特性：

java复制@Watch(watcheeClassName = "jzombies.Zombie", 
       watcheeFieldNames = "moved",
       query = "within_moore 1",
       whenToTrigger = WatcherTriggerSchedule.IMMEDIATE)
public void run() {
    // 寻找僵尸最少的移动方向
    GridPoint safest = findSafestDirection();
    if(energy > 0) {
        moveTowards(safest);
        energy--;
    } else {
        rest(); // 能量恢复
    }
}

能量系统的设计让模型更有趣 - 人类不能无限逃跑，必须合理安排移动和休息。这个机制后来被我扩展成了资源收集系统。

4. 模型环境构建

4.1 ContextBuilder实现

JZombiesBuilder类是整个模型的组装车间。我建议按这个顺序构建环境：

1. 创建空间投影（ContinuousSpace和Grid）
2. 构建关系网络（Network）
3. 初始化Agent
4. 设置初始位置

java复制@Override
public Context build(Context<Object> context) {
    context.setId("jzombies");
    // 1. 创建空间
    createSpaces(context);
    // 2. 构建网络
    buildNetwork(context);
    // 3. 添加Agent
    populateAgents(context);
    return context;
}

4.2 参数化设计

通过Parameters实现运行时参数配置是个好习惯：

xml复制<!-- 在scenario.rs文件中定义 -->
<parameter name="zombie_count" type="int" value="5" />
<parameter name="human_count" type="int" value="20" />

代码中这样读取参数：

java复制Parameters params = RunEnvironment.getInstance().getParameters();
int zombies = params.getInteger("zombie_count");
int humans = params.getInteger("human_count");

5. 模型运行与可视化

5.1 显示配置技巧

在Displays配置时，我总结了几点经验：

• 2D显示性能最好，适合大规模仿真
• 给不同Agent设置鲜明颜色（僵尸红色，人类绿色）
• 网络投影建议单独显示，避免视觉混乱
• 调整Agent显示大小，确保在网格中清晰可见

5.2 数据收集与分析

Repast的数据收集系统非常强大。我通常会设置这些数据集：

1. 僵尸/人类数量变化（Time Series Chart）
2. 感染网络节点度数分布（Histogram）
3. 人类平均生存时间（Console Sink）

java复制// 示例：设置时间序列图表
TimeSeriesChart chart = new TimeSeriesChart("Population Dynamics");
chart.addSeries("Zombies", zombieCountDataSource);
chart.addSeries("Humans", humanCountDataSource);

6. 模型扩展与优化

完成基础版本后，我尝试了几种有趣的扩展：

1. 地形系统：在网格中设置障碍物
2. 超级僵尸：有一定概率生成移动更快的变种
3. 免疫人类：部分人类有概率抵抗感染
4. 昼夜循环：白天僵尸移动变慢

性能优化方面，这些措施很有效：

• 减少不必要的空间查询
• 优化@Watch的查询范围
• 使用Batch参数批量更新
• 关闭调试期的详细日志

记得第一次运行时，我的模型在100个Agent时就卡顿了。通过优化邻域查询和减少实时渲染元素，最终版本可以流畅运行1000+Agent的仿真。