🦊 Proie-Prédateur — Particules de Lotka-Volterra
Observez les populations de proies et de prédateurs osciller selon la dynamique de Lotka-Volterra. Des centaines de particules, interaction spatiale, graphique de population en direct.
À propos de la simulation Proie-Prédateur (Lotka-Volterra)
Cette simulation modélise la relation classique proie-prédateur comme un système basé sur des agents plutôt que comme des équations lisses. Des centaines de particules individuelles de proies et de prédateurs errent dans une arène 2D, interagissant par des règles spatiales purement locales : les prédateurs détectent les proies dans un rayon de vision, poursuivent la plus proche et la consomment au contact. De ces rencontres microscopiques émergent spontanément les oscillations de population macroscopiques et déphasées décrites par le modèle de Lotka-Volterra, avec un graphique en direct suivant les deux populations dans le temps.
Les curseurs définissent le taux de natalité des proies alpha (par proie, par image), la perte d'énergie des prédateurs gamma par image, le rayon de capture en pixels, l'énergie gagnée par capture, et un multiplicateur global de vitesse. Vous pouvez aussi choisir les nombres de départ de proies et de prédateurs. Ce système sous-tend l'écologie réelle, la gestion des pêcheries et l'économie des ressources, illustrant pourquoi la surexploitation d'une espèce proie ou l'élimination des prédateurs peut conduire une population couplée à l'expansion, à l'effondrement ou à l'extinction.
Questions fréquentes
Qu'est-ce que le modèle proie-prédateur de Lotka-Volterra ?
Il s'agit d'une paire d'équations couplées décrivant comment deux populations en interaction évoluent dans le temps : les proies croissent lorsqu'elles ne sont pas perturbées et déclinent lorsqu'elles sont mangées, tandis que les prédateurs croissent lorsque les proies sont abondantes et déclinent lorsqu'elles se raréfient. Le résultat est une oscillation répétée et déphasée où les pics de prédateurs suivent avec retard les pics de proies.
Comment cette simulation produit-elle ces oscillations ?
Au lieu de résoudre directement des équations, elle fait tourner des centaines de particules individuelles avec des règles locales simples. Les prédateurs cherchent et mangent les proies proches pour gagner de l'énergie, perdent de l'énergie à chaque image, et meurent de faim quand les proies s'épuisent. Les proies se reproduisent de façon stochastique. Ces comportements individuels reproduisent collectivement la dynamique cyclique classique des populations.
Que contrôlent les curseurs alpha et gamma ?
Alpha est le taux de natalité des proies : à chaque image, chaque proie a cette probabilité d'engendrer un petit à proximité, donc un alpha plus élevé signifie une croissance des proies plus rapide. Gamma est la perte d'énergie des prédateurs par image ; un gamma plus grand fait mourir de faim les prédateurs plus rapidement entre deux repas, déplaçant l'équilibre en faveur des proies.
Que font les autres réglages ?
Le rayon de capture est la distance en pixels à laquelle un prédateur peut consommer une proie au contact. Le gain d'énergie par capture est la quantité d'énergie qu'une capture réussie ajoute, alimentant la reproduction une fois qu'un prédateur dépasse son seuil d'énergie. Le multiplicateur de vitesse ajuste la rapidité de déplacement de toutes les particules, et les curseurs initiaux définissent les nombres de départ de proies et de prédateurs.
Pourquoi les pics de prédateurs viennent-ils après les pics de proies ?
Les prédateurs ne peuvent se multiplier qu'une fois les proies abondantes, donc leur essor suit avec retard le boom des proies. Lorsque les prédateurs deviennent nombreux, ils surconsomment les proies, celles-ci s'effondrent, puis les prédateurs meurent de faim à leur tour. Une fois la pression sur les proies relâchée, elles se rétablissent et le cycle se répète avec un déphasage caractéristique.
La simulation est-elle physiquement et biologiquement précise ?
C'est un modèle pédagogique qualitatif plutôt qu'une prévision écologique précise. Il reproduit fidèlement le comportement cyclique émergent et le déphasage des vrais systèmes proie-prédateur, mais il ignore des facteurs comme la structure d'âge, l'hétérogénéité de l'habitat, les maladies et les détails de capacité de charge. Un plafond de 600 proies empêche une croissance illimitée.
Pourquoi une population s'éteint-elle parfois ?
Comme il s'agit d'un système fini, stochastique et fondé sur des particules, des fluctuations aléatoires peuvent ramener une population à zéro, après quoi elle ne peut plus se rétablir. Si les proies disparaissent, les prédateurs meurent bientôt de faim ; si les prédateurs disparaissent, les proies croissent vers leur plafond. Les équations continues idéalisées n'atteignent jamais zéro, mais des agents discrets le peuvent, ce qui est plus réaliste.
Comment les prédateurs trouvent-ils et capturent-ils les proies ?
Chaque prédateur scanne les proies dans un rayon de vision fixe à l'aide d'une grille spatiale pour une recherche rapide des voisins, puis se dirige vers la plus proche. Si une proie se trouve dans le rayon de capture, le prédateur la consomme et gagne de l'énergie. Lorsque l'énergie d'un prédateur dépasse son seuil de reproduction, il se divise, transmettant la moitié de son énergie à son petit.
Que montre le graphique de population en bas ?
Le graphique trace l'historique récent de la population, échantillonné toutes les dix images, avec la ligne verte pour les proies et la ligne rouge pour les prédateurs. Observer les deux lignes monter et descendre en alternance est la façon la plus claire de voir émerger le cycle de Lotka-Volterra à partir des interactions sous-jacentes entre particules.
Où les modèles proie-prédateur sont-ils utilisés dans le monde réel ?
Ils éclairent la gestion des pêcheries et de la faune sauvage, les stratégies de lutte antiparasitaire et de contrôle biologique, ainsi que la planification de la conservation, et des équations analogues apparaissent en épidémiologie et en économie. Ils aident à expliquer pourquoi éliminer un prédateur ou surexploiter une espèce proie peut déstabiliser un écosystème et déclencher des cycles d'expansion-effondrement ou un effondrement complet.
Des centaines de particules proies et prédateurs interagissent via des règles spatiales, produisant les oscillations de population classiques de Lotka-Volterra. Observez les booms de prédateurs suivre les booms de proies dans un cycle sans fin.
🔬 Ce que cela démontre
Les proies se reproduisent lorsqu'elles sont bien nourries, les prédateurs chassent les proies proches. Quand les proies se raréfient, les prédateurs meurent de faim. Cela crée l'oscillation déphasée caractéristique observée dans les vrais écosystèmes.
🎮 Comment l'utiliser
Ajustez les taux de reproduction et de chasse. Observez le graphique de population osciller. La dynamique classique de Lotka-Volterra émerge des interactions individuelles entre particules.
💡 Le saviez-vous ?
Les équations de Lotka-Volterra ont été dérivées indépendamment par Alfred Lotka (1910, pour des réactions chimiques) et Vito Volterra (1926, pour expliquer les populations de poissons dans la mer Adriatique).
Des centaines de particules proies et prédateurs interagissent via des règles spatiales, produisant les oscillations de population classiques de Lotka–Volterra. Graphique de population en direct.
3D · Moteur de rendu Three.js / WebGL · Cible 60 FPS · fonctionne entièrement côté client, sans installation