Ця симуляція — просторова, агентно-орієнтована версія класичної задачі хижак-жертва. Замість того щоб розв'язувати диференціальні рівняння Лотки-Вольтерра напряму, вона розміщує сотні окремих овець і вовків на тороїдальній сітці 50×50, де кожна клітинка містить значення трави, яке поступово відновлюється від 0 до 100. Кожен тік агенти рухаються, живляться, втрачають енергію, розмножуються з певною імовірністю та гинуть, коли енергія вичерпується, — і знайомі коливальні цикли популяцій виникають виключно з локальних правил, а не задаються рівнянням.
Чотири повзунки визначають: відновлення трави за тік (1–12), енергію, яку вівця отримує від випасу клітинки (5–35), енергію, яку вовк отримує від одного вбивства (20–80), і швидкість симуляції (1–8 тіків на кадр). Зміна параметрів переводить систему між стійким співіснуванням, різкими підйомами та спадами і повним вимиранням. Такий самий підхід до моделювання застосовується у реальній природоохоронній роботі — він допомагає екологам міркувати про реінтродукцію хижаків-домінантів, управління пасовищним навантаженням і стійкість харчових мереж.
Що насправді показує ця симуляція?
Вона відображає невелику екосистему з трьох компонентів: трава, вівці і вовки. Вівці пасуться, щоб поповнювати енергію, вовки полюють на овець, обидва види витрачають енергію та розмножуються. На живому графіку відображається кількість овець і вовків у часі, щоб ви могли спостерігати типові цикли хижак-жертва, події вимирання та відновлення популяцій.
Чим ця модель відрізняється від класичних рівнянь Лотки-Вольтерра?
Класична модель — це пара неперервних диференціальних рівнянь, які дають плавні, ідеально повторювані цикли для двох ідеалізованих популяцій. Тут кожна тварина є окремим агентом на сітці, що приймає локальні рішення, тож цикли зашумлені, можуть дрейфувати й руйнуватися до повного вимирання. Сукупна поведінка нагадує Лотку-Вольтерра, але виникає знизу вгору, а не задається ззовні.
Що регулюють чотири повзунки?
«Відновлення трави» — кількість, на яку кожна клітинка поповнюється за тік (від 1 до 12). «Поживність для овець» — енергія, яку вівця отримує під час випасу (від 5 до 35). «Поживність для вовків» — енергія, яку вовк отримує після вбивства вівці (від 20 до 80). «Швидкість» — кількість тіків симуляції, що обчислюються за один кадр анімації (від 1 до 8): час прискорюється, але динаміка не змінюється.
Кожен тік вівця втрачає 1 одиницю енергії, а вовк — 3. Вівця, яка пасеться на клітинці, отримує до свого значення «Поживності», але не більше 100 одиниць загалом. Вовк, який з'їдає вівцю на своїй клітинці, отримує значення «Поживності для вовків», але не більше 120. Будь-який агент, чия енергія падає до нуля або нижче, негайно гине і видаляється із сітки.
Розмноження є імовірнісним і залежить від рівня енергії. Вівця з енергією щонайменше 40 одиниць розмножується з імовірністю 4% за тік; вовк з енергією щонайменше 70 одиниць — з імовірністю 2,5%. Коли тварина дає потомство, її власна енергія ділиться навпіл, а новий агент того самого виду з'являється на тій самій клітинці — отже, нащадків залишають лише добре вгодовані особини.
Кожен вовк сканує радіус полювання 8 клітинок у пошуку найближчої вівці за Манхеттенською відстанню. Якщо жертва знайдена, вовк робить крок у її бік; інакше рухається випадково. Вбивство відбувається лише тоді, коли вовк і жива вівця після руху опиняються на одній клітинці. Вівці, своєю чергою, сканують радіус втечі 5 клітинок і відступають від найближчого вовка.
Це навмисно спрощена навчальна модель, а не кількісний прогноз. Вона відтворює справжні екологічні механізми — енергетичні бюджети, залежне від щільності відтворення, полювання хижаків і поведінку уникнення жертв — але не враховує такі чинники, як вік, хвороби, погода, територія і генетика. Якісні закономірності, що їх вона виробляє, відповідають реальним системам хижак-жертва, навіть якщо конкретні числа є ілюстративними.
Велика кількість овець дає вовкам достатньо їжі, тому вовки розмножуються. Зростаюча кількість вовків знищує овець швидше, ніж ті встигають розмножуватися, — і вівці різко скорочуються. Без здобичі вовки голодують і зменшуються, що знімає тиск і дозволяє вівцям відновитися, після чого цикл починається знову. Саме цей часовий лаг між причиною і наслідком породжує коливання.
Оскільки тварини взаємодіють лише в межах локального радіуса на сітці 50×50 з обгортанням країв, географія має значення. Вівці можуть виживати у куточках, до яких вовки ще не дісталися, утворюючи тимчасові схованки, що відновлюють популяцію. Ця просторова структура — саме те, що ігнорує один набір рівнянь, і саме тому ця модель може показати відновлення там, де непросторова версія просто призведе до вимирання.
Якщо всі вівці гинуть, вовки швидко голодують, а статус змінюється на «Вимерли». Якщо вовки зникають, а вівці залишаються, вівці розмножуються, доки трава не виснажиться, і статус відображає «Без вовків». Симуляція не відновлює вимерлі види автоматично — використовуйте кнопки скидання та попередніх налаштувань, щоб перезапустити з різним початковим балансом.
Агентно-орієнтовані моделі хижак-жертва, подібні до цієї, інформують рішення про реінтродукцію хижаків-домінантів — наприклад, вовків у Єллоустоні — а також про встановлення сталих рівнів випасу чи вибіркового відстрілу. Виявляючи, наскільки чутлива екосистема до доступності їжі та тиску хижацтва, вони допомагають менеджерам передбачити різкі підйоми-спади і ризик колапсу ще до того, як втручатися на практиці.