StartseiteGesellschaft & WirtschaftZufriedenheit & ähnliche Nachbarn

😊 Zufriedenheit & ähnliche Nachbarn

Interaktiver Zufriedenheitsschwellen-Zellularautomat: Agenten ziehen um, wenn weniger als k ihrer 8 Nachbarn ihrem Typ entsprechen. Beobachten Sie, wie milde lokale Präferenzen groß angelegte Clustermuster erzeugen.

Gesellschaft & Wirtschaft3DEinfach60 FPS
happiness-neighbors ↗ Eigenständig öffnen

😊 Zufriedenheit & ähnliche Nachbarn — Lokaler Ähnlichkeits-Zellularautomat

Jeder Agent auf dem Gitter überprüft seine 8 umgebenden Nachbarn: Entsprechen weniger als k davon seinem eigenen Typ, ist der Agent „unzufrieden“ und zieht in eine zufällige leere Zelle um. Beobachten Sie, wie diese einfache, rein lokale Zufriedenheitsregel große, geclusterte Nachbarschaften erzeugt, selbst wenn jeder Agent gerne in einer gemischten Gegend leben würde.

🔬 Was es zeigt

Ein Zellularautomat, bei dem lokale Mikro-Entscheidungen — „Bin ich mit meinen k von 8 Nachbarn zufrieden?“ — sich zu globalen Clustermustern summieren. Er veranschaulicht Emergenz: Kein Agent strebt danach, große einheitliche Regionen zu schaffen, doch sie entstehen trotzdem, sobald jeder unzufriedene Agent umzieht.

🎮 Anwendung

Erhöhen Sie die Zufriedenheitsschwelle k, um mehr gleichartige Nachbarn zu verlangen, bevor ein Agent zufrieden ist; senken Sie sie, um mehr Durchmischung zuzulassen. Passen Sie Dichte und das Typ-A-/Typ-B-Mischverhältnis an und beobachten Sie dann, wie pulsierende gelbe Umrisse unzufriedene Agenten markieren, kurz bevor sie in eine leere Zelle springen.

💡 Wussten Sie schon?

Selbst eine milde Schwelle wie k = 3 von 8 (knapp über einem Drittel der Nachbarn) reicht aus, um ein zufällig gemischtes Gitter innerhalb weniger Dutzend Generationen in stark geclusterte Regionen zu treiben — eine eindrucksvolle Demonstration, wie schwache lokale Präferenzen zu starken globalen Mustern anwachsen.

Über Zufriedenheit & ähnliche Nachbarn — Lokaler Ähnlichkeits-Zellularautomat

Diese Simulation modelliert ein Gitter von Agenten des Typs A und Typs B, von denen jeder Zufriedenheit anhand einer einzigen Regel bewertet: Zählen Sie, wie viele der bis zu 8 umgebenden Nachbarn Ihrem Typ entsprechen, und fällt diese Zahl unter eine Schwelle k, ziehen Sie in eine zufällige leere Zelle um. In jeder Generation zieht jeder unzufriedene Agent um, und der Vorgang wiederholt sich, bis wenige oder keine Agenten mehr unzufrieden sind. Das Modell ist ein enger Verwandter des 1971 erschienenen Aufsatzes „Dynamic Models of Segregation“ (Journal of Mathematical Sociology) des Ökonomen Thomas Schelling, der erstmals zeigte, dass selbst eine milde individuelle Präferenz für ähnliche Nachbarn — weit entfernt von aktiver Feindseligkeit gegenüber anderen Gruppen — eine integrierte Nachbarschaft in scharf getrennte Cluster kippen kann. Diese Seite formuliert diesen Mechanismus bewusst in abstrakten Begriffen um: Agenten sind einfach „Typ A“ und „Typ B“, Zufriedenheit ist eine numerische Schwelle von 8 Nachbarn, und der Schwerpunkt liegt auf lokaler Ähnlichkeit und Clusterdynamik statt auf Gruppenidentität oder Segregation nach Rasse oder Klasse, wie es die Rahmung des separaten Schelling-Segregationsmodells der Website ist.

Die zugrunde liegende Dynamik steht auch in direktem Zusammenhang mit Waldo Toblers Erstem Gesetz der Geographie (1970): „Alles hängt mit allem zusammen, aber nahe Dinge stärker als entfernte Dinge.“ Die Zufriedenheitsregel setzt dieses Gesetz buchstäblich auf der Ebene einer einzelnen Gitterzelle um — ein Agent kümmert sich nur um seine unmittelbare 8-Zellen-Nachbarschaft, doch der kumulative Effekt Tausender rein lokaler Umzugsentscheidungen ist eine global gemusterte Landschaft aus gleichartigen Clustern. Da sich Umzugsentscheidungen kaskadenartig fortpflanzen (ein umziehender Agent kann seine alten Nachbarn unzufrieden und seine neuen Nachbarn zufriedener machen), reagiert die resultierende Clusterbildung sehr empfindlich auf die Schwelle k: Niedrige Werte von k verändern eine zufällige Anordnung kaum, während Werte um oder über die Hälfte von 8 nahezu vollständige Trennung erzeugen können — ein Beispiel dafür, wie kleine Änderungen in einer rein lokalen Regel drastisch unterschiedliche globale Ergebnisse hervorbringen können.

Häufig gestellte Fragen

Was bedeutet „zufrieden“ in dieser Simulation?

Ein Agent ist zufrieden, wenn die Anzahl seiner besetzten Moore-Nachbarschaftszellen (bis zu 8 umgebende Zellen), die seinem eigenen Typ entsprechen, mindestens der Zufriedenheitsschwelle k entspricht. Sind weniger gleichartige Nachbarn vorhanden als k, ist der Agent unzufrieden und wird zum Umzug in eine zufällig gewählte leere Zelle beim nächsten Tick markiert. Rand- und Eckzellen haben naturgemäß weniger als 8 mögliche Nachbarn, sodass ihre Zufriedenheit gegen die Anzahl der tatsächlich vorhandenen besetzten Nachbarn beurteilt wird.

Wie benutze ich diese Simulation?

Verwenden Sie den Schieberegler „Zufriedenheitsschwelle (k von 8)“, um festzulegen, wie viele gleichartige Nachbarn ein Agent benötigt, um zu bleiben — ein höheres k bedeutet, dass Agenten mehr Ähnlichkeit verlangen. Der Dichte-Schieberegler steuert, welcher Anteil des Gitters besetzt ist, und der Typ-A-Anteil-Schieberegler steuert das Mischverhältnis zwischen den beiden Typen. Klicken Sie auf Neu mischen, um ein neues zufälliges Gitter zu erzeugen, oder auf Pause, um die Animation einzufrieren, während der aktuelle Zustand weiter sichtbar bleibt.

Was ist der in der Infoleiste angezeigte Ähnlichkeitsindex?

Der Ähnlichkeitsindex ist der Durchschnitt über alle besetzten Agenten des Anteils ihrer besetzten Nachbarn, die ihrem eigenen Typ entsprechen. Er reicht von 0 (jeder Agent ist vollständig vom entgegengesetzten Typ umgeben) bis 1 (jeder Agent ist vollständig von seinem eigenen Typ umgeben). Beobachtet man, wie diese Zahl über Generationen ansteigt und ein Plateau erreicht, zeigt sich, wie das Gitter zu einer stabilen, geclusterten Konfiguration konvergiert.

Warum erzeugt selbst eine kleine Zufriedenheitsschwelle starke Clusterbildung?

Der Effekt wird durch Rückkopplung angetrieben: Wenn ein unzufriedener Agent umzieht, erhöht er typischerweise die Dichte des gleichen Typs an seinem neuen Standort, während er sie an seinem alten verringert. Dies macht die neue Nachbarschaft für andere gleichartige Agenten attraktiver und die alte Nachbarschaft weniger attraktiv, sodass nachfolgende Umzüge die entstehende Grenze verstärken. Da sich Tausende kleiner Umzugsereignisse über Generationen hinweg summieren, erzeugt selbst eine bescheidene Toleranz pro Agent für Vielfalt (etwa nur 3 von 8 Nachbarn benötigend) Regionen, die weit stärker segregiert sind, als es die erklärte Präferenz eines einzelnen Agenten vermuten ließe.

Wie unterscheidet sich dies vom Schelling-Segregationsmodell auf dieser Website?

Beide Simulationen teilen denselben zugrunde liegenden Mechanismus — Agenten prüfen ihre Nachbarschaft und ziehen um, wenn sie unzufrieden sind —, unterscheiden sich aber in Rahmung und Parametrisierung. Das Schelling-Modell auf dieser Website wird typischerweise mit einem „Toleranzprozentsatz“ und einer Sprache präsentiert, die rassische oder gruppenbezogene Segregationsdynamiken betont, was den historischen stadtsoziologischen Kontext widerspiegelt, in dem Schellings ursprüngliches Modell diskutiert wurde. Diese Simulation verwendet stattdessen ein abstraktes „Typ A / Typ B“-Vokabular und eine explizite ganzzahlige Schwelle (k von 8 Nachbarn), wobei bewusst auf gruppenidentitätsbezogene Rahmung verzichtet wird, sodass der Fokus auf der Mathematik der lokalen Ähnlichkeitspräferenz und ihren geographischen Implikationen bleibt, im Geiste von Toblers Erstem Gesetz und nicht speziell der Segregationsforschung.

Was ist Toblers Erstes Gesetz der Geographie, und wie hängt es damit zusammen?

Der Geograph Waldo Tobler stellte 1970 die These auf, dass „alles mit allem zusammenhängt, aber nahe Dinge stärker als entfernte Dinge.“ Diese Simulation ist eine direkte, mechanistische Veranschaulichung dieses Prinzips: Die Zufriedenheit eines Agenten hängt nur von seiner unmittelbaren räumlichen Nachbarschaft ab, nicht vom gesamten Gitter. Da Umzugsentscheidungen rein auf lokalen Informationen beruhen, entsteht das resultierende globale Muster — große gleichartige Regionen, getrennt durch scharfe Grenzen — ohne dass irgendein Agent oder ein zentraler Planer je das gesamte Gitter betrachtet.

Erhöht ein Anstieg der Zufriedenheitsschwelle die Clusterbildung immer?

Im Allgemeinen ja, aber der Zusammenhang ist nicht perfekt linear. Bei sehr niedrigem k (0 oder 1) ist fast jede Anordnung bereits zufrieden, und das Gitter bleibt nahe seinem zufälligen Ausgangszustand. Steigt k auf 4 (die Hälfte von 8 Nachbarn), nimmt die Clusterbildung stark zu, da Agenten weit wählerischer werden. Darüber hinaus können sehr hohe Schwellen (7 oder 8) die Konvergenz schwierig oder instabil machen, da Agenten Schwierigkeiten haben können, überhaupt eine leere Zelle zu finden, in der sie eine so strenge Nachbarschaftsanforderung erfüllen, was zu anhaltenden Umzugszyklen statt einem stabilen Gleichgewicht führt.

Welche realen Phänomene hilft diese Art von Modell zu erklären?

Über seine historische Verwendung in Studien zur städtischen Wohnsortierung hinaus wurde derselbe lokale Schwellen-Umzugsmechanismus verwendet, um Clusterbildung in sozialen Online-Netzwerken (Nutzer, die zu Communitys mit ähnlichen Ansichten wandern), Einzelhandelsstandortmustern (ähnliche Geschäfte, die sich in Vierteln zusammenballen), der Habitatwahl von Arten in der Ökologie und Meinungspolarisierung in sozialen Simulationen zu erklären. Die allgemeine Lehre — dass milde lokale Präferenzen starke globale Trennung erzeugen können, ohne dass es jemand beabsichtigt — ist ein wiederkehrendes Thema in vielen komplexen Systemen, weshalb das Modell auch außerhalb seines ursprünglichen stadtsoziologischen Kontexts weit verbreitet gelehrt wird.

Warum ziehen manche Agenten immer weiter um, ohne sich je niederzulassen?

Bei hoher Dichte und hoher Zufriedenheitsschwelle kann das Angebot an leeren Zellen, die die Anforderung eines Agenten erfüllen, knapp werden, insbesondere in der Nähe von Clustergrenzen. Ein Agent könnte in eine Zelle ziehen, die im Moment des Umzugs zufriedenstellend aussieht, doch da andere Agenten in derselben Generation ebenfalls umziehen, ändert sich die Zusammensetzung seiner neuen Nachbarschaft, und er kann bei einem späteren Tick erneut unzufrieden werden. Dies kann lange Übergangsphasen anhaltender Unruhe erzeugen, bevor sich das Gitter — falls es überhaupt konvergiert — in ein stabiles Muster mit null Umzügen pro Tick einpendelt.

Wie wird „Konvergenz“ in dieser Simulation bestimmt?

Die Anzeige „Konvergiert“ in der Infoleiste zeigt „Ja“ an, sobald eine abgeschlossene Generation zu null Umzügen führt — das heißt, jeder besetzte Agent erfüllt bereits seine Zufriedenheitsschwelle im aktuellen Gitterzustand. Da das Gitter endlich ist und Umzüge rein durch lokale Regeln bestimmt werden, erreichen die meisten Parameterkombinationen schließlich diesen Zustand ohne Umzüge, wobei die Anzahl der benötigten Generationen mit höheren Schwellen, höherer Dichte und ausgewogeneren Typ-A-/Typ-B-Mischungen zunimmt.

⚙ Unter der Haube

Interaktiver Zufriedenheitsschwellen-Zellularautomat: Agenten ziehen um, wenn weniger als k ihrer 8 Nachbarn ihrem Typ entsprechen. Beobachten Sie, wie milde lokale Präferenzen groß angelegte Clustermuster erzeugen.

Zellularautomatagentenbasiertes ModellEmergenzSegregation

3D · Three.js / WebGL-Renderer · Ziel 60 FPS · läuft vollständig clientseitig, keine Installation nötig

Was haben Sie gefunden?

Schritte zur Reproduktion hinzufügen (optional)