🏘️ Сегрегація Шеллінга

Вона показує, що масштабна житлова сегрегація може виникати, навіть коли окремі люди мають лише слабкі переваги щодо своїх сусідів. Жоден агент не вимагає повністю однокольорової території, проте система все одно врівноважується у сильно кластеризовані, сегреговані патерни. Це класичний приклад емерджентної поведінки, коли колективний результат сильно відрізняється від наміру будь-якого окремого агента.

Кожен агент перевіряє свої вісім сусідніх клітин і рахує, скільки з них зайняті. Потім він вимірює частку тих зайнятих сусідів, які поділяють його власний колір. Якщо ця частка дорівнює або перевищує поріг толерантності T, агент задоволений і залишається; інакше він незадоволений і переїде. Агенти без жодного зайнятого сусіда в цій версії вважаються незадоволеними.

Попри свою назву, повзунок Tolerance задає поріг T — мінімальну частку подібних за кольором сусідів, потрібну агенту, щоб відчувати себе влаштованим. Низьке значення, як-от 0,3, означає, що агент задоволений, якщо збігається лише 30 відсотків сусідів, тож насправді він дуже толерантний. Підвищення значення робить агентів вибагливішими та посилює сегрегацію.

Кожне переселення незадоволеного агента трохи змінює околиці сусідніх агентів, іноді перетворюючи раніше задоволених на незадоволених. Ці локальні переміщення каскадують, і єдиними стабільними конфігураціями зазвичай стають ті, де подібне кластеризується з подібним. Сукупний патерн переважає скромну індивідуальну перевагу — це ознака нелінійної, самопідсилюваної динаміки.

Grid задає довжину сторони квадратної решітки, від 20 до 100 клітин, тож загальна кількість клітин коливається від 400 до 10 000. Density задає частку клітин, заповнених агентами, від 30 до 95 відсотків, решта залишається порожньою. Порожні клітини необхідні, оскільки незадоволеним агентам потрібні вільні місця призначення; дуже висока густина залишає мало місця для переміщення і може сповільнити або зупинити процес.

На кожному кроці модель сканує всіх агентів, складає список незадоволених і перемішує цей список. Потім вона переселяє приблизно 30 відсотків із них (щонайменше десять, якщо можливо) у випадково обрані порожні клітини, обмінюючи їхні позиції з вакансіями. Це часткове, рандомізоване переміщення підтримує плавну динаміку замість одночасного переселення всіх незадоволених агентів.

Сині квадрати — це Група A, а червоні — Група B, тоді як темні клітини порожні. Яскраво забарвлені клітини позначають задоволених агентів, чиє сусідство відповідає їхньому порогу, тоді як світліші, вицвілі відтінки позначають незадоволених агентів, які ще шукають кращого місця. У міру збіжності симуляції вицвілі клітини зникають, і залишаються суцільні блоки кольору.

Blue Happy та Red Happy показують відсоток кожної групи, що наразі задоволений, панель Overall об'єднує обидва показники в єдину міру задоволеності, Steps рахує виконані ітерації, а Unhappy повідомляє, скільки агентів усе ще хочуть переїхати. Коли лічильник Unhappy досягає нуля, система стабільна, і запуск автоматично зупиняється, показуючи повідомлення про те, що конфігурація врівноважилася.

Вона достовірно відтворює основну логіку оригінальної моделі Шеллінга: порогову перевагу, окіл Мура та переселення незадоволених агентів у порожні клітини. Це стилізована соціальна модель, а не буквальна карта якогось міста, тож вона не враховує такі фактори, як дохід, транспорт, школи та ціни. Її цінність полягає в розкритті механізму, а не в прогнозуванні конкретних районів.

Містобудівники, соціологи та економісти використовують моделі у стилі Шеллінга для вивчення житлової сегрегації, шкільного районування та житлової політики. Ключовий політичний висновок — «ефект перелому»: оскільки сегрегація виникає спонтанно, досягнення тривалої інтеграції може вимагати сильніших втручань, ніж можна було б наївно очікувати. Ця структура також узагальнюється на кластеризацію думок, ринкове сортування та інші системи взаємодіючих агентів.