معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Simulating fish swarming behavior with the model by Iain Couzin et al.

ویژگی	مقدار
سیستم عامل	-
نام فایل	couzinswarm-0.0.3
نام	couzinswarm
نسخه کتابخانه	0.0.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Benjamin F. Maier
ایمیل نویسنده	bfmaier@physik.hu-berlin.de
آدرس صفحه اصلی	https://www.github.com/benmaier/couzinswarm
آدرس اینترنتی	https://pypi.org/project/couzinswarm/
مجوز	MIT

couzinswarm =========== Simulate fish swarming behavior with the model by `Iain Couzin et al. <https://www.sciencedirect.com/science/article/pii/S0022519302930651>`__ Use with caution as I can't seem to replicate some behavior (e.g. the torus swarming). Example ------- .. code:: python from couzinswarm import Swarm swarm = Swarm() r, v = swarm.simulate(1000) Install ------- .. code:: bash pip install couzinswarm Elaborate example ----------------- .. code:: python import numpy as np import matplotlib.pyplot as pl from mpl_toolkits.mplot3d import Axes3D from couzinswarm import Swarm # note: the dimension of space is measure in fish length, # such that r = 1 means a length of one fish swarm = Swarm( number_of_fish=20, repulsion_radius=1, orientation_width=10, attraction_width=10, # this angle is given in radians # up to np.pi (not 360 degrees as in # the paper) angle_of_perception=np.pi, # radians per unit of time turning_rate=0.1, # fish lengths per unit of time speed=0.1, # in units of fish length noise_sigma=0.1, dt=0.1, # geometry of box box_lengths=[100,100,100], # boundary conditions reflect_at_boundary = [True, True, True], verbose=False, ) fig = pl.figure() ax = fig.add_subplot(111, projection='3d') N_t = 1000 t = np.arange(N_t+1) # Note that r.shape = v.shape = ( N_fish, N_t+1, 3 ) positions, directions = swarm.simulate(N_t) r, v = positions, directions for i in range(swarm.number_of_fish): ax.plot(r[i,:,0], r[i,:,1], r[i,:,2]) pl.show()

نحوه نصب

نصب پکیج whl couzinswarm-0.0.3:

pip install couzinswarm-0.0.3.whl

نصب پکیج tar.gz couzinswarm-0.0.3:

pip install couzinswarm-0.0.3.tar.gz