为什么我的行为空间(网络标识)的结果如此不一致？

Question

我对Netlogo有点陌生，一直在为我从行为空间获得的一些结果而绞尽脑汁。我一直在玩狼羊捕食模型，并改变他们的行动，根据他们在什么颜色补丁。有一只狼和一只羊，我想衡量的是狼吃羊所需的时间步骤。这些补丁是随机着色的，基于0-100之间的某些比例，如下所示：

to color-patches
  let total 100
  let p-red   slider1 / total
  let p-green total - p-red


  ask patches [
    let x random-float 1.0
    if x <= p-red + p-green [set pcolor green]
    if x <= p-red [set pcolor red]
  ]
end

我遇到的问题是，当我把狼和羊的运动设置为独立于补丁颜色的时候：

ask sheep [
    set heading random 360
    fd 1
  ]
  
  ask wolves[
    set heading random 360
    fd 1
    eat-sheep
  ]

我的期望是，不管有多少红斑和多少绿色斑块，狼吃羊之前的时间步数的平均和标准误差应该是相当相似的，因为它们的运动不受它的影响。我在行为空间中运行它，每10%增加1000次迭代(从0到100%)。然而，我不断得到这样的结果：

在这里输入图像描述

基本上，means+se到处都是。每次我运行它时，它们的分布都是不同的(但也是相同的)。这一点特别奇怪，因为当我介绍任何特定于狼或羊的特定颜色的行为时，我会得到非常清晰的图案，并且变化较少。

有什么好主意吗？我唯一能想到的是，每个相对的起始位置非常重要(但每个位置都是随机的xy弦)。我假设，在给定参数集的每一次迭代的行为空间中，它将贯穿所有代码(从而为每个参数组合的1000次运行生成一个新的随机景观和新的随机起点。行为空间是否可以为每个海龟获取第一个景观和开始坐标，并将它们用于每个参数组合的1000个迭代中的每一个？

谢谢!

Answer 1

现在我认为你可能没有错误，而是曲解了你的图表。你贴出的图上的Y轴只在2000到2200之间；如果你把Y轴标度设为0到2500，那么每个实验的结果看起来都非常相似。

您的结果(~2100)和我的结果(~3100)之间的平均值的差异可能是由于不同的世界大小。我给出了标准偏差，而你却绘制了标准错误。

如果你用直方图表示结果，它们似乎呈指数分布。