Поле цифровой дидактики - Вклад [ru]

Stygmergia v obrazovanii

2026-06-10T20:31:22Z

Софронова Кира: /* Стигмергия в образовании */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые для анализа данные ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают движение из гнезда с нулевой памятью ('''зелёные''')
# Найдя источник еды, запоминают координаты патча и несут ее в точку отправления, становясь по пути к ней '''фиолетовыми'''
# После доставки еды в гнездо цвет муравьёв меняется на '''жёлтый''' (= 1 слот в памяти) или '''красный''' (= 2+ слотов в памяти) в зависимости от количества зафиксированных в памяти локаций с источниками еды
# Когда энергия объекта падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и направляется к месту, отмеченному в памяти как знакомый источник еды
# Если в данном месте пусто, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает местонахождение источника еды

== План экспериментов ==

Все исследования были проведены в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: феромон, память, феромон + память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B Эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Участниками проекта был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии было измерено '''количество доставленной еды''' (`total-food-count`) и '''выживаемость муравьёв''' (`count turtles`). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512
</pre>

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест:''' феромон+память vs только феромон (3 источника)

t = -80.886, df = 774.9, p-value < 2.2e-16

'''Средняя доставленная еда:'''
- Только феромон: 88.3
- Феромон + память: 204.1

'''Разница:''' 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' комбинация феромона и памяти обеспечивает статистически более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (`count turtles`) при 6 источниках еды:'''

{| class="wikitable"
|-
! Стратегия !! Средняя выживаемость
|-
| Только память || 41.2
|-
| Феромон + память || 23.1
|-
| Только феромон || 8.1
|}

'''ANOVA для выживаемости (3 источника):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15
</pre>

Данные различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря зафиксированным в памяти координатам источника еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

'''Средняя доставленная еда:'''
- 3 источника: 204.5
- 6 источников: 308.9

'''t-тест:''' t = -17.59, df = 41.46, p < 0.001

'''Разница:''' 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

'''Средняя выживаемость:'''
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

'''t-тест:''' t = -11.73, df = 57.57, p < 0.001

'''Разница:''' 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

'''Вывод:''' увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации были выполнены в '''среде R''' (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

'''Ссылка на репозиторий:'''
[https://github.com/SofronovaKA/econometrics Ссылка на репозиторий]

'''Содержимое репозитория:'''

{| class="wikitable" style="width: 100%;"
! Файл !! Описание
|-
| <code>hypothesis1_analysis.R</code> || R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты.
|-
| <code>hypothesis2_analysis.R</code> || R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты.
|-
| <code>Гипотеза_1(table_output).csv</code> || Сырые данные эксперимента для Гипотезы 1 (120 прогонов).
|-
| <code>Гипотеза_2(table_output).csv</code> || Сырые данные эксперимента для Гипотезы 2 (60 прогонов).
|}

=== Общий вывод ===

Обе гипотезы подтверждены:

1. '''Гипотеза 1:''' комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. '''Гипотеза 2:''' увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

'''Вывод:''' наибольшая выживаемость наблюдается при стратегии «память» с 6 источниками еды (41.2 муравья). Память важна для выживания при изобилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление и конечная редактура страницы

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T20:26:43Z

Софронова Кира: /* Участники */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые для анализа данные ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают движение из гнезда с нулевой памятью ('''зелёные''')
# Найдя источник еды, запоминают координаты патча и несут ее в точку отправления, становясь по пути к ней '''фиолетовыми'''
# После доставки еды в гнездо цвет муравьёв меняется на '''жёлтый''' (= 1 слот в памяти) или '''красный''' (= 2+ слотов в памяти) в зависимости от количества зафиксированных в памяти локаций с источниками еды
# Когда энергия объекта падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и направляется к месту, отмеченному в памяти как знакомый источник еды
# Если в данном месте пусто, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает местонахождение источника еды

== План экспериментов ==

Все исследования были проведены в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: феромон, память, феромон + память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B Эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Участниками проекта был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии было измерено '''количество доставленной еды''' (`total-food-count`) и '''выживаемость муравьёв''' (`count turtles`). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512
</pre>

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест:''' феромон+память vs только феромон (3 источника)

t = -80.886, df = 774.9, p-value < 2.2e-16

'''Средняя доставленная еда:'''
- Только феромон: 88.3
- Феромон + память: 204.1

'''Разница:''' 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' комбинация феромона и памяти обеспечивает статистически более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (`count turtles`) при 6 источниках еды:'''

{| class="wikitable"
|-
! Стратегия !! Средняя выживаемость
|-
| Только память || 41.2
|-
| Феромон + память || 23.1
|-
| Только феромон || 8.1
|}

'''ANOVA для выживаемости (3 источника):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15
</pre>

Данные различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря зафиксированным в памяти координатам источника еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

'''Средняя доставленная еда:'''
- 3 источника: 204.5
- 6 источников: 308.9

'''t-тест:''' t = -17.59, df = 41.46, p < 0.001

'''Разница:''' 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

'''Средняя выживаемость:'''
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

'''t-тест:''' t = -11.73, df = 57.57, p < 0.001

'''Разница:''' 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

'''Вывод:''' увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации были выполнены в '''среде R''' (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

'''Ссылка на репозиторий:'''
[https://github.com/SofronovaKA/econometrics Ссылка на репозиторий]

'''Содержимое репозитория:'''

{| class="wikitable" style="width: 100%;"
! Файл !! Описание
|-
| <code>hypothesis1_analysis.R</code> || R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты.
|-
| <code>hypothesis2_analysis.R</code> || R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты.
|-
| <code>Гипотеза_1(table_output).csv</code> || Сырые данные эксперимента для Гипотезы 1 (120 прогонов).
|-
| <code>Гипотеза_2(table_output).csv</code> || Сырые данные эксперимента для Гипотезы 2 (60 прогонов).
|}

=== Общий вывод ===

Обе гипотезы подтверждены:

1. '''Гипотеза 1:''' комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. '''Гипотеза 2:''' увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

'''Вывод:''' наибольшая выживаемость наблюдается при стратегии «память» с 6 источниками еды (41.2 муравья). Память важна для выживания при изобилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление и конечная редактура страницы

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T20:25:42Z

Софронова Кира: /* Общий вывод */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые для анализа данные ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают движение из гнезда с нулевой памятью ('''зелёные''')
# Найдя источник еды, запоминают координаты патча и несут ее в точку отправления, становясь по пути к ней '''фиолетовыми'''
# После доставки еды в гнездо цвет муравьёв меняется на '''жёлтый''' (= 1 слот в памяти) или '''красный''' (= 2+ слотов в памяти) в зависимости от количества зафиксированных в памяти локаций с источниками еды
# Когда энергия объекта падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и направляется к месту, отмеченному в памяти как знакомый источник еды
# Если в данном месте пусто, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает местонахождение источника еды

== План экспериментов ==

Все исследования были проведены в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: феромон, память, феромон + память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B Эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Участниками проекта был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии было измерено '''количество доставленной еды''' (`total-food-count`) и '''выживаемость муравьёв''' (`count turtles`). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512
</pre>

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест:''' феромон+память vs только феромон (3 источника)

t = -80.886, df = 774.9, p-value < 2.2e-16

'''Средняя доставленная еда:'''
- Только феромон: 88.3
- Феромон + память: 204.1

'''Разница:''' 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' комбинация феромона и памяти обеспечивает статистически более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (`count turtles`) при 6 источниках еды:'''

{| class="wikitable"
|-
! Стратегия !! Средняя выживаемость
|-
| Только память || 41.2
|-
| Феромон + память || 23.1
|-
| Только феромон || 8.1
|}

'''ANOVA для выживаемости (3 источника):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15
</pre>

Данные различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря зафиксированным в памяти координатам источника еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

'''Средняя доставленная еда:'''
- 3 источника: 204.5
- 6 источников: 308.9

'''t-тест:''' t = -17.59, df = 41.46, p < 0.001

'''Разница:''' 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

'''Средняя выживаемость:'''
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

'''t-тест:''' t = -11.73, df = 57.57, p < 0.001

'''Разница:''' 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

'''Вывод:''' увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации были выполнены в '''среде R''' (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

'''Ссылка на репозиторий:'''
[https://github.com/SofronovaKA/econometrics Ссылка на репозиторий]

'''Содержимое репозитория:'''

{| class="wikitable" style="width: 100%;"
! Файл !! Описание
|-
| <code>hypothesis1_analysis.R</code> || R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты.
|-
| <code>hypothesis2_analysis.R</code> || R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты.
|-
| <code>Гипотеза_1(table_output).csv</code> || Сырые данные эксперимента для Гипотезы 1 (120 прогонов).
|-
| <code>Гипотеза_2(table_output).csv</code> || Сырые данные эксперимента для Гипотезы 2 (60 прогонов).
|}

=== Общий вывод ===

Обе гипотезы подтверждены:

1. '''Гипотеза 1:''' комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. '''Гипотеза 2:''' увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

'''Вывод:''' наибольшая выживаемость наблюдается при стратегии «память» с 6 источниками еды (41.2 муравья). Память важна для выживания при изобилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T20:23:50Z

Софронова Кира: /* Анализ в R */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые для анализа данные ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают движение из гнезда с нулевой памятью ('''зелёные''')
# Найдя источник еды, запоминают координаты патча и несут ее в точку отправления, становясь по пути к ней '''фиолетовыми'''
# После доставки еды в гнездо цвет муравьёв меняется на '''жёлтый''' (= 1 слот в памяти) или '''красный''' (= 2+ слотов в памяти) в зависимости от количества зафиксированных в памяти локаций с источниками еды
# Когда энергия объекта падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и направляется к месту, отмеченному в памяти как знакомый источник еды
# Если в данном месте пусто, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает местонахождение источника еды

== План экспериментов ==

Все исследования были проведены в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: феромон, память, феромон + память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B Эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Участниками проекта был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии было измерено '''количество доставленной еды''' (`total-food-count`) и '''выживаемость муравьёв''' (`count turtles`). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512
</pre>

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест:''' феромон+память vs только феромон (3 источника)

t = -80.886, df = 774.9, p-value < 2.2e-16

'''Средняя доставленная еда:'''
- Только феромон: 88.3
- Феромон + память: 204.1

'''Разница:''' 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' комбинация феромона и памяти обеспечивает статистически более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (`count turtles`) при 6 источниках еды:'''

{| class="wikitable"
|-
! Стратегия !! Средняя выживаемость
|-
| Только память || 41.2
|-
| Феромон + память || 23.1
|-
| Только феромон || 8.1
|}

'''ANOVA для выживаемости (3 источника):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15
</pre>

Данные различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря зафиксированным в памяти координатам источника еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

'''Средняя доставленная еда:'''
- 3 источника: 204.5
- 6 источников: 308.9

'''t-тест:''' t = -17.59, df = 41.46, p < 0.001

'''Разница:''' 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

'''Средняя выживаемость:'''
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

'''t-тест:''' t = -11.73, df = 57.57, p < 0.001

'''Разница:''' 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

'''Вывод:''' увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации были выполнены в '''среде R''' (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

'''Ссылка на репозиторий:'''
[https://github.com/SofronovaKA/econometrics Ссылка на репозиторий]

'''Содержимое репозитория:'''

{| class="wikitable" style="width: 100%;"
! Файл !! Описание
|-
| <code>hypothesis1_analysis.R</code> || R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты.
|-
| <code>hypothesis2_analysis.R</code> || R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты.
|-
| <code>Гипотеза_1(table_output).csv</code> || Сырые данные эксперимента для Гипотезы 1 (120 прогонов).
|-
| <code>Гипотеза_2(table_output).csv</code> || Сырые данные эксперимента для Гипотезы 2 (60 прогонов).
|}

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T20:20:39Z

Софронова Кира: /* Гипотеза 2: Влияние количества источников еды */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые для анализа данные ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают движение из гнезда с нулевой памятью ('''зелёные''')
# Найдя источник еды, запоминают координаты патча и несут ее в точку отправления, становясь по пути к ней '''фиолетовыми'''
# После доставки еды в гнездо цвет муравьёв меняется на '''жёлтый''' (= 1 слот в памяти) или '''красный''' (= 2+ слотов в памяти) в зависимости от количества зафиксированных в памяти локаций с источниками еды
# Когда энергия объекта падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и направляется к месту, отмеченному в памяти как знакомый источник еды
# Если в данном месте пусто, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает местонахождение источника еды

== План экспериментов ==

Все исследования были проведены в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: феромон, память, феромон + память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B Эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Участниками проекта был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии было измерено '''количество доставленной еды''' (`total-food-count`) и '''выживаемость муравьёв''' (`count turtles`). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512
</pre>

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест:''' феромон+память vs только феромон (3 источника)

t = -80.886, df = 774.9, p-value < 2.2e-16

'''Средняя доставленная еда:'''
- Только феромон: 88.3
- Феромон + память: 204.1

'''Разница:''' 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' комбинация феромона и памяти обеспечивает статистически более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (`count turtles`) при 6 источниках еды:'''

{| class="wikitable"
|-
! Стратегия !! Средняя выживаемость
|-
| Только память || 41.2
|-
| Феромон + память || 23.1
|-
| Только феромон || 8.1
|}

'''ANOVA для выживаемости (3 источника):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15
</pre>

Данные различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря зафиксированным в памяти координатам источника еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

'''Средняя доставленная еда:'''
- 3 источника: 204.5
- 6 источников: 308.9

'''t-тест:''' t = -17.59, df = 41.46, p < 0.001

'''Разница:''' 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

'''Средняя выживаемость:'''
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

'''t-тест:''' t = -11.73, df = 57.57, p < 0.001

'''Разница:''' 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

'''Вывод:''' увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T20:19:16Z

Софронова Кира: /* Выживаемость */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые для анализа данные ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают движение из гнезда с нулевой памятью ('''зелёные''')
# Найдя источник еды, запоминают координаты патча и несут ее в точку отправления, становясь по пути к ней '''фиолетовыми'''
# После доставки еды в гнездо цвет муравьёв меняется на '''жёлтый''' (= 1 слот в памяти) или '''красный''' (= 2+ слотов в памяти) в зависимости от количества зафиксированных в памяти локаций с источниками еды
# Когда энергия объекта падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и направляется к месту, отмеченному в памяти как знакомый источник еды
# Если в данном месте пусто, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает местонахождение источника еды

== План экспериментов ==

Все исследования были проведены в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: феромон, память, феромон + память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B Эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Участниками проекта был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии было измерено '''количество доставленной еды''' (`total-food-count`) и '''выживаемость муравьёв''' (`count turtles`). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512
</pre>

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест:''' феромон+память vs только феромон (3 источника)

t = -80.886, df = 774.9, p-value < 2.2e-16

'''Средняя доставленная еда:'''
- Только феромон: 88.3
- Феромон + память: 204.1

'''Разница:''' 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' комбинация феромона и памяти обеспечивает статистически более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (`count turtles`) при 6 источниках еды:'''

{| class="wikitable"
|-
! Стратегия !! Средняя выживаемость
|-
| Только память || 41.2
|-
| Феромон + память || 23.1
|-
| Только феромон || 8.1
|}

'''ANOVA для выживаемости (3 источника):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15
</pre>

Данные различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря зафиксированным в памяти координатам источника еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T20:18:44Z

Софронова Кира: /* Доставленная еда */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые для анализа данные ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают движение из гнезда с нулевой памятью ('''зелёные''')
# Найдя источник еды, запоминают координаты патча и несут ее в точку отправления, становясь по пути к ней '''фиолетовыми'''
# После доставки еды в гнездо цвет муравьёв меняется на '''жёлтый''' (= 1 слот в памяти) или '''красный''' (= 2+ слотов в памяти) в зависимости от количества зафиксированных в памяти локаций с источниками еды
# Когда энергия объекта падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и направляется к месту, отмеченному в памяти как знакомый источник еды
# Если в данном месте пусто, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает местонахождение источника еды

== План экспериментов ==

Все исследования были проведены в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: феромон, память, феромон + память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B Эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Участниками проекта был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии было измерено '''количество доставленной еды''' (`total-food-count`) и '''выживаемость муравьёв''' (`count turtles`). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512
</pre>

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест:''' феромон+память vs только феромон (3 источника)

t = -80.886, df = 774.9, p-value < 2.2e-16

'''Средняя доставленная еда:'''
- Только феромон: 88.3
- Феромон + память: 204.1

'''Разница:''' 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' комбинация феромона и памяти обеспечивает статистически более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

Средняя выживаемость (`count turtles`) при 6 источниках еды:

{| class="wikitable"
|-
! Стратегия !! Средняя выживаемость
|-
| Только память || 41.2
|-
| Феромон + память || 23.1
|-
| Только феромон || 8.1
|}

'''ANOVA для выживаемости (3 источника):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15
</pre>

Данные различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря зафиксированным в памяти координатам источника еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T20:17:55Z

Софронова Кира: /* Доставленная еда */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые для анализа данные ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают движение из гнезда с нулевой памятью ('''зелёные''')
# Найдя источник еды, запоминают координаты патча и несут ее в точку отправления, становясь по пути к ней '''фиолетовыми'''
# После доставки еды в гнездо цвет муравьёв меняется на '''жёлтый''' (= 1 слот в памяти) или '''красный''' (= 2+ слотов в памяти) в зависимости от количества зафиксированных в памяти локаций с источниками еды
# Когда энергия объекта падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и направляется к месту, отмеченному в памяти как знакомый источник еды
# Если в данном месте пусто, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает местонахождение источника еды

== План экспериментов ==

Все исследования были проведены в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: феромон, память, феромон + память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B Эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Участниками проекта был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии было измерено '''количество доставленной еды''' (`total-food-count`) и '''выживаемость муравьёв''' (`count turtles`). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512
<pre>

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест:''' феромон+память vs только феромон (3 источника)

t = -80.886, df = 774.9, p-value < 2.2e-16

'''Средняя доставленная еда:'''
- Только феромон: 88.3
- Феромон + память: 204.1

'''Разница:''' 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' комбинация феромона и памяти обеспечивает статистически более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

Средняя выживаемость (`count turtles`) при 6 источниках еды:

{| class="wikitable"
|-
! Стратегия !! Средняя выживаемость
|-
| Только память || 41.2
|-
| Феромон + память || 23.1
|-
| Только феромон || 8.1
|}

'''ANOVA для выживаемости (3 источника):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15
</pre>

Данные различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря зафиксированным в памяти координатам источника еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T20:17:13Z

Софронова Кира: /* Выживаемость */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые для анализа данные ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают движение из гнезда с нулевой памятью ('''зелёные''')
# Найдя источник еды, запоминают координаты патча и несут ее в точку отправления, становясь по пути к ней '''фиолетовыми'''
# После доставки еды в гнездо цвет муравьёв меняется на '''жёлтый''' (= 1 слот в памяти) или '''красный''' (= 2+ слотов в памяти) в зависимости от количества зафиксированных в памяти локаций с источниками еды
# Когда энергия объекта падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и направляется к месту, отмеченному в памяти как знакомый источник еды
# Если в данном месте пусто, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает местонахождение источника еды

== План экспериментов ==

Все исследования были проведены в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: феромон, память, феромон + память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B Эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Участниками проекта был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии было измерено '''количество доставленной еды''' (`total-food-count`) и '''выживаемость муравьёв''' (`count turtles`). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест:''' феромон+память vs только феромон (3 источника)

t = -80.886, df = 774.9, p-value < 2.2e-16

'''Средняя доставленная еда:'''
- Только феромон: 88.3
- Феромон + память: 204.1

'''Разница:''' 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' комбинация феромона и памяти обеспечивает статистически более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

Средняя выживаемость (`count turtles`) при 6 источниках еды:

{| class="wikitable"
|-
! Стратегия !! Средняя выживаемость
|-
| Только память || 41.2
|-
| Феромон + память || 23.1
|-
| Только феромон || 8.1
|}

'''ANOVA для выживаемости (3 источника):'''

<pre>
Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15
</pre>

Данные различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря зафиксированным в памяти координатам источника еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T20:14:57Z

Софронова Кира: /* Выживаемость */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые для анализа данные ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают движение из гнезда с нулевой памятью ('''зелёные''')
# Найдя источник еды, запоминают координаты патча и несут ее в точку отправления, становясь по пути к ней '''фиолетовыми'''
# После доставки еды в гнездо цвет муравьёв меняется на '''жёлтый''' (= 1 слот в памяти) или '''красный''' (= 2+ слотов в памяти) в зависимости от количества зафиксированных в памяти локаций с источниками еды
# Когда энергия объекта падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и направляется к месту, отмеченному в памяти как знакомый источник еды
# Если в данном месте пусто, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает местонахождение источника еды

== План экспериментов ==

Все исследования были проведены в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: феромон, память, феромон + память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B Эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Участниками проекта был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии было измерено '''количество доставленной еды''' (`total-food-count`) и '''выживаемость муравьёв''' (`count turtles`). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест:''' феромон+память vs только феромон (3 источника)

t = -80.886, df = 774.9, p-value < 2.2e-16

'''Средняя доставленная еда:'''
- Только феромон: 88.3
- Феромон + память: 204.1

'''Разница:''' 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' комбинация феромона и памяти обеспечивает статистически более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

Средняя выживаемость (`count turtles`) при 6 источниках еды:

{| class="wikitable"
|-
! Стратегия !! Средняя выживаемость
|-
| Только память || 41.2
|-
| Феромон + память || 23.1
|-
| Только феромон || 8.1
|}

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Данные различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря зафиксированным в памяти координатам источника еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T20:12:21Z

Софронова Кира: /* Гипотеза 1: Сравнение трёх стратегий */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые для анализа данные ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают движение из гнезда с нулевой памятью ('''зелёные''')
# Найдя источник еды, запоминают координаты патча и несут ее в точку отправления, становясь по пути к ней '''фиолетовыми'''
# После доставки еды в гнездо цвет муравьёв меняется на '''жёлтый''' (= 1 слот в памяти) или '''красный''' (= 2+ слотов в памяти) в зависимости от количества зафиксированных в памяти локаций с источниками еды
# Когда энергия объекта падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и направляется к месту, отмеченному в памяти как знакомый источник еды
# Если в данном месте пусто, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает местонахождение источника еды

== План экспериментов ==

Все исследования были проведены в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: феромон, память, феромон + память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B Эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Участниками проекта был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии было измерено '''количество доставленной еды''' (`total-food-count`) и '''выживаемость муравьёв''' (`count turtles`). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест:''' феромон+память vs только феромон (3 источника)

t = -80.886, df = 774.9, p-value < 2.2e-16

'''Средняя доставленная еда:'''
- Только феромон: 88.3
- Феромон + память: 204.1

'''Разница:''' 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' комбинация феромона и памяти обеспечивает статистически более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Данные различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря зафиксированным в памяти координатам источника еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T20:08:24Z

Софронова Кира: /* Исходные данные экспериментов */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые для анализа данные ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают движение из гнезда с нулевой памятью ('''зелёные''')
# Найдя источник еды, запоминают координаты патча и несут ее в точку отправления, становясь по пути к ней '''фиолетовыми'''
# После доставки еды в гнездо цвет муравьёв меняется на '''жёлтый''' (= 1 слот в памяти) или '''красный''' (= 2+ слотов в памяти) в зависимости от количества зафиксированных в памяти локаций с источниками еды
# Когда энергия объекта падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и направляется к месту, отмеченному в памяти как знакомый источник еды
# Если в данном месте пусто, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает местонахождение источника еды

== План экспериментов ==

Все исследования были проведены в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: феромон, память, феромон + память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B Эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T20:07:46Z

Софронова Кира: /* План экспериментов */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые для анализа данные ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают движение из гнезда с нулевой памятью ('''зелёные''')
# Найдя источник еды, запоминают координаты патча и несут ее в точку отправления, становясь по пути к ней '''фиолетовыми'''
# После доставки еды в гнездо цвет муравьёв меняется на '''жёлтый''' (= 1 слот в памяти) или '''красный''' (= 2+ слотов в памяти) в зависимости от количества зафиксированных в памяти локаций с источниками еды
# Когда энергия объекта падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и направляется к месту, отмеченному в памяти как знакомый источник еды
# Если в данном месте пусто, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает местонахождение источника еды

== План экспериментов ==

Все исследования были проведены в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: феромон, память, феромон + память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B Эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T20:04:07Z

Софронова Кира: /* Как это работает */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые для анализа данные ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают движение из гнезда с нулевой памятью ('''зелёные''')
# Найдя источник еды, запоминают координаты патча и несут ее в точку отправления, становясь по пути к ней '''фиолетовыми'''
# После доставки еды в гнездо цвет муравьёв меняется на '''жёлтый''' (= 1 слот в памяти) или '''красный''' (= 2+ слотов в памяти) в зависимости от количества зафиксированных в памяти локаций с источниками еды
# Когда энергия объекта падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и направляется к месту, отмеченному в памяти как знакомый источник еды
# Если в данном месте пусто, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает местонахождение источника еды

== План экспериментов ==

Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки двух гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: только феромон, только память, феромон+память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

Сам эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace:

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T19:58:44Z

Софронова Кира: /* Собираемые данные для анализа */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые для анализа данные ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают с пустой памятью ('''зелёные''')
# Найдя еду, запоминают координаты патча и становятся '''фиолетовыми''' (несут еду)
# После доставки еды в гнездо цвет меняется в зависимости от количества запомненных мест ('''жёлтый''' = 1 место, '''красный''' = 2+)
# Когда энергия падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и идёт к ближайшему запомненному месту
# Если запомненное место опустело, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает это место

== План экспериментов ==

Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки двух гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: только феромон, только память, феромон+память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

Сам эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace:

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T19:58:08Z

Софронова Кира: /* Цветовая индикация муравьёв */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к ранее обнаруженному источнику еды
|-
| '''Фиолетовый''' || Несёт добытую еду в гнездо
|-
| '''Жёлтый''' || Имеет в памяти 1 слот для местонахождения источника еды, но не использует его в данный момент
|-
| '''Красный''' || Имеет 2 и более слотов в памяти
|}

=== Собираемые данные для анализа ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают с пустой памятью ('''зелёные''')
# Найдя еду, запоминают координаты патча и становятся '''фиолетовыми''' (несут еду)
# После доставки еды в гнездо цвет меняется в зависимости от количества запомненных мест ('''жёлтый''' = 1 место, '''красный''' = 2+)
# Когда энергия падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и идёт к ближайшему запомненному месту
# Если запомненное место опустело, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает это место

== План экспериментов ==

Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки двух гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: только феромон, только память, феромон+память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

Сам эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace:

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T19:49:14Z

Софронова Кира: /* Скачать модель (.nlogox) */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics Скачать модель по ссылке]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к запомненной еде
|-
| '''Фиолетовый''' || Несёт еду в гнездо
|-
| '''Жёлтый''' || Имеет 1 место в памяти (но не использует его в данный момент)
|-
| '''Красный''' || Имеет 2 и более мест в памяти
|}

=== Собираемые данные для анализа ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают с пустой памятью ('''зелёные''')
# Найдя еду, запоминают координаты патча и становятся '''фиолетовыми''' (несут еду)
# После доставки еды в гнездо цвет меняется в зависимости от количества запомненных мест ('''жёлтый''' = 1 место, '''красный''' = 2+)
# Когда энергия падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и идёт к ближайшему запомненному месту
# Если запомненное место опустело, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает это место

== План экспериментов ==

Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки двух гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: только феромон, только память, феромон+память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

Сам эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace:

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T19:45:46Z

Софронова Кира: /* Рабочие гипотезы */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в количестве доставленной еды `total-food-count` (эффективности) между тремя сценариями: использованием только коллективного феромона, индивидуальной памяти или их сочетания.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически более высокую эффективность, чем каждый из механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды с 3 до 6 не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к высокому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Скачать модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к запомненной еде
|-
| '''Фиолетовый''' || Несёт еду в гнездо
|-
| '''Жёлтый''' || Имеет 1 место в памяти (но не использует его в данный момент)
|-
| '''Красный''' || Имеет 2 и более мест в памяти
|}

=== Собираемые данные для анализа ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают с пустой памятью ('''зелёные''')
# Найдя еду, запоминают координаты патча и становятся '''фиолетовыми''' (несут еду)
# После доставки еды в гнездо цвет меняется в зависимости от количества запомненных мест ('''жёлтый''' = 1 место, '''красный''' = 2+)
# Когда энергия падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и идёт к ближайшему запомненному месту
# Если запомненное место опустело, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает это место

== План экспериментов ==

Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки двух гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: только феромон, только память, феромон+память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

Сам эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace:

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T19:42:14Z

Софронова Кира: /* Аннотация */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий''' (феромон + память)
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Оценить количественно, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в эффективности (количестве доставленной еды `total-food-count`) между тремя сценариями: использованием только коллективного феромона, только индивидуальной памяти и их сочетанием.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически значимо более высокую эффективность, чем каждый из этих механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды (с 3 до 6) не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к статистически значимому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Скачать модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к запомненной еде
|-
| '''Фиолетовый''' || Несёт еду в гнездо
|-
| '''Жёлтый''' || Имеет 1 место в памяти (но не использует его в данный момент)
|-
| '''Красный''' || Имеет 2 и более мест в памяти
|}

=== Собираемые данные для анализа ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают с пустой памятью ('''зелёные''')
# Найдя еду, запоминают координаты патча и становятся '''фиолетовыми''' (несут еду)
# После доставки еды в гнездо цвет меняется в зависимости от количества запомненных мест ('''жёлтый''' = 1 место, '''красный''' = 2+)
# Когда энергия падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и идёт к ближайшему запомненному месту
# Если запомненное место опустело, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает это место

== План экспериментов ==

Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки двух гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: только феромон, только память, феромон+память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

Сам эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace:

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T19:40:32Z

Софронова Кира: /* Аннотация */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''коллективный феромон'''
* '''индивидуальная память'''
* '''сочетание двух стратегий (феромон + память)'''
С помощью экспериментов в среде BehaviorSpace были собраны данные об эффективности колонии (по количеству доставленной еды и выживаемости муравьёв). Первый эксперимент (проверка Гипотезы 1) включал в себя 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) был проведён при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Количественно оценить, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в эффективности (количестве доставленной еды `total-food-count`) между тремя сценариями: использованием только коллективного феромона, только индивидуальной памяти и их сочетанием.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически значимо более высокую эффективность, чем каждый из этих механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды (с 3 до 6) не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к статистически значимому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Скачать модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к запомненной еде
|-
| '''Фиолетовый''' || Несёт еду в гнездо
|-
| '''Жёлтый''' || Имеет 1 место в памяти (но не использует его в данный момент)
|-
| '''Красный''' || Имеет 2 и более мест в памяти
|}

=== Собираемые данные для анализа ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают с пустой памятью ('''зелёные''')
# Найдя еду, запоминают координаты патча и становятся '''фиолетовыми''' (несут еду)
# После доставки еды в гнездо цвет меняется в зависимости от количества запомненных мест ('''жёлтый''' = 1 место, '''красный''' = 2+)
# Когда энергия падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и идёт к ближайшему запомненному месту
# Если запомненное место опустело, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает это место

== План экспериментов ==

Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки двух гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: только феромон, только память, феромон+память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

Сам эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace:

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T19:32:09Z

Софронова Кира: /* Результаты */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''только коллективный феромон'''
* '''только индивидуальная память'''
* '''сочетание (феромон + память)'''
С помощью двух экспериментов в среде BehaviorSpace были собраны данные о эффективности колонии (доставленная еда) и выживаемости муравьёв. Первый эксперимент (проверка Гипотезы 1) включал 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) проводился при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Количественно оценить, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в эффективности (количестве доставленной еды `total-food-count`) между тремя сценариями: использованием только коллективного феромона, только индивидуальной памяти и их сочетанием.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически значимо более высокую эффективность, чем каждый из этих механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды (с 3 до 6) не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к статистически значимому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Скачать модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к запомненной еде
|-
| '''Фиолетовый''' || Несёт еду в гнездо
|-
| '''Жёлтый''' || Имеет 1 место в памяти (но не использует его в данный момент)
|-
| '''Красный''' || Имеет 2 и более мест в памяти
|}

=== Собираемые данные для анализа ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают с пустой памятью ('''зелёные''')
# Найдя еду, запоминают координаты патча и становятся '''фиолетовыми''' (несут еду)
# После доставки еды в гнездо цвет меняется в зависимости от количества запомненных мест ('''жёлтый''' = 1 место, '''красный''' = 2+)
# Когда энергия падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и идёт к ближайшему запомненному месту
# Если запомненное место опустело, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает это место

== План экспериментов ==

Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки двух гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: только феромон, только память, феромон+память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

Сам эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace:

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T19:31:37Z

Софронова Кира: /* Результаты */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''только коллективный феромон'''
* '''только индивидуальная память'''
* '''сочетание (феромон + память)'''
С помощью двух экспериментов в среде BehaviorSpace были собраны данные о эффективности колонии (доставленная еда) и выживаемости муравьёв. Первый эксперимент (проверка Гипотезы 1) включал 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) проводился при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Количественно оценить, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в эффективности (количестве доставленной еды `total-food-count`) между тремя сценариями: использованием только коллективного феромона, только индивидуальной памяти и их сочетанием.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически значимо более высокую эффективность, чем каждый из этих механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды (с 3 до 6) не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к статистически значимому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Скачать модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к запомненной еде
|-
| '''Фиолетовый''' || Несёт еду в гнездо
|-
| '''Жёлтый''' || Имеет 1 место в памяти (но не использует его в данный момент)
|-
| '''Красный''' || Имеет 2 и более мест в памяти
|}

=== Собираемые данные для анализа ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают с пустой памятью ('''зелёные''')
# Найдя еду, запоминают координаты патча и становятся '''фиолетовыми''' (несут еду)
# После доставки еды в гнездо цвет меняется в зависимости от количества запомненных мест ('''жёлтый''' = 1 место, '''красный''' = 2+)
# Когда энергия падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и идёт к ближайшему запомненному месту
# Если запомненное место опустело, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает это место

== План экспериментов ==

Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки двух гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: только феромон, только память, феромон+память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

Сам эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace:

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий ===

Для наглядной демонстрации различий в поведении муравьёв были записаны анимации (GIF) для каждого сценария. Ниже представлены выбранные прогоны, результаты которых близки к средним значениям по соответствующей стратегии.

==== Гипотеза 1: Сравнение трёх стратегий (3 источника еды) ====

<gallery widths="300px" heights="225px" perrow="3" caption="Доставленная еда (слева направо): 103, 210, 212">
Файл:pheromone_only.gif|'''Только феромон''' Зелёные тропы феромона, муравьи идут по коллективному следу. '''Параметры:''' <code>use-memory? = false</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:memory_only.gif|'''Только память''' Нет феромона, муравьи меняют цвет (жёлтый, красный, синий), идут по памяти. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 0</code> <code>diffusion-rate = 0</code>
Файл:pheromone_memory.gif|'''Феромон + память''' И феромонные тропы, и цветовая индикация памяти, максимальная эффективность. '''Параметры:''' <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

==== Гипотеза 2: Влияние количества еды (стратегия «феромон + память») ====

<gallery widths="300px" heights="225px" perrow="2" caption="Доставленная еда: 204.5 и 308.9">
Файл:three_sources.gif|'''3 источника еды''' Менее интенсивное движение, меньше фиолетовых муравьёв, меньше насыщенность троп. '''Параметры:''' <code>more-food? = false</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
Файл:six_sources.gif|'''6 источников еды''' Более интенсивное движение, больше фиолетовых муравьёв, выше насыщенность троп. '''Параметры:''' <code>more-food? = true</code> <code>use-memory? = true</code> <code>evaporation-rate = 10</code> <code>diffusion-rate = 50</code>
</gallery>

----

=== Анализ в R ===

Все статистические расчёты и визуализации выполнены в среде R (версия 4.4.1) с использованием пакетов `ggplot2` и `dplyr`. Код полностью воспроизводим и доступен в репозитории проекта на GitHub.

**Ссылка на репозиторий:**
[Файлы для проекта здесь](https://github.com/SofronovaKA/econometrics)

**Содержимое репозитория:**

| Файл | Описание |
|------|----------|
| `hypothesis1_analysis.R` | R-скрипт для анализа Гипотезы 1 (сравнение трёх стратегий). Загружает CSV, строит графики, проводит ANOVA и t-тесты. |
| `hypothesis2_analysis.R` | R-скрипт для анализа Гипотезы 2 (влияние количества еды). Загружает CSV, строит графики, проводит t-тесты. |
| `Гипотеза_1(table_output).csv` | Сырые данные эксперимента для Гипотезы 1 (120 прогонов). |
| `Гипотеза_2(table_output).csv` | Сырые данные эксперимента для Гипотезы 2 (60 прогонов). |

**Как воспроизвести анализ:**

1. Скачайте нужный R-скрипт (`hypothesis1_analysis.R` или `hypothesis2_analysis.R`).
2. Откройте его в RStudio.
3. Убедитесь, что установлены пакеты `ggplot2` и `dplyr` (скрипт установит их автоматически при необходимости).
4. Запустите код (Ctrl+A, затем Ctrl+Enter).
5. При появлении диалогового окна выберите соответствующий CSV-файл с данными.
6. Результаты (графики, таблицы, тесты) появятся в консоли и окне графиков.

**Примечание:** Графики автоматически сохраняются в рабочую папку в формате PNG при использовании команд `ggsave()` (раскомментируйте соответствующие строки в скрипте).

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Файл:G2 turtles.png

2026-06-10T14:21:56Z

Софронова Кира: Гипотеза 2. Выживаемость

== Краткое описание ==
Гипотеза 2. Выживаемость

Файл:G2 food.png

2026-06-10T14:21:20Z

Софронова Кира: Гипотеза 2. Доставка еды

== Краткое описание ==
Гипотеза 2. Доставка еды

Stygmergia v obrazovanii

2026-06-10T14:20:04Z

Софронова Кира: /* Результаты */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''только коллективный феромон'''
* '''только индивидуальная память'''
* '''сочетание (феромон + память)'''
С помощью двух экспериментов в среде BehaviorSpace были собраны данные о эффективности колонии (доставленная еда) и выживаемости муравьёв. Первый эксперимент (проверка Гипотезы 1) включал 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) проводился при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Количественно оценить, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в эффективности (количестве доставленной еды `total-food-count`) между тремя сценариями: использованием только коллективного феромона, только индивидуальной памяти и их сочетанием.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически значимо более высокую эффективность, чем каждый из этих механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды (с 3 до 6) не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к статистически значимому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Скачать модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к запомненной еде
|-
| '''Фиолетовый''' || Несёт еду в гнездо
|-
| '''Жёлтый''' || Имеет 1 место в памяти (но не использует его в данный момент)
|-
| '''Красный''' || Имеет 2 и более мест в памяти
|}

=== Собираемые данные для анализа ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают с пустой памятью ('''зелёные''')
# Найдя еду, запоминают координаты патча и становятся '''фиолетовыми''' (несут еду)
# После доставки еды в гнездо цвет меняется в зависимости от количества запомненных мест ('''жёлтый''' = 1 место, '''красный''' = 2+)
# Когда энергия падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и идёт к ближайшему запомненному месту
# Если запомненное место опустело, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает это место

== План экспериментов ==

Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки двух гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: только феромон, только память, феромон+память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

Сам эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace:

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

=== Гипотеза 2: Влияние количества источников еды ===

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

==== Доставленная еда ====

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

==== Выживаемость ====

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий (GIF) ===

Ниже представлены анимации (GIF), показывающие поведение муравьёв в каждом из трёх сценариев (3 источника еды, 1000 тиков). Значения в скобках — количество доставленной еды за прогон.

{| class="wikitable" style="text-align: center;"
|-
! width="33%" | Только феромон (103 еды) !! width="33%" | Только память (210 еды) !! width="33%" | Феромон + память (212 еды)
|-
| [[Файл:Pheromone_only.gif|thumb|center|300px|Зелёные тропы феромона]] || [[Файл:Memory_only.gif|thumb|center|300px|Жёлтые, красные, синие муравьи]] || [[Файл:Pheromone_memory.gif|thumb|center|300px|Тропы + цветная память]]
|-
| Коллективный след без памяти. Муравьи полагаются только на феромон. || Индивидуальная память без феромона. Цвета отражают размер памяти. || Сочетание двух механизмов. Наивысшая эффективность.
|}

'''Что показывают гифки:'''

* **Только феромон:** Зелёные тропы формируются, но эффективность ниже (103 еды).
* **Только память:** Нет зелёных троп, но муравьи с памятью (синие) идут напрямую к еде (210 еды).
* **Феромон + память:** Работают оба механизма — зелёные тропы и муравьи с памятью (212 еды).

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T14:16:06Z

Софронова Кира: /* Результаты */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''только коллективный феромон'''
* '''только индивидуальная память'''
* '''сочетание (феромон + память)'''
С помощью двух экспериментов в среде BehaviorSpace были собраны данные о эффективности колонии (доставленная еда) и выживаемости муравьёв. Первый эксперимент (проверка Гипотезы 1) включал 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) проводился при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Количественно оценить, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в эффективности (количестве доставленной еды `total-food-count`) между тремя сценариями: использованием только коллективного феромона, только индивидуальной памяти и их сочетанием.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически значимо более высокую эффективность, чем каждый из этих механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды (с 3 до 6) не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к статистически значимому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Скачать модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к запомненной еде
|-
| '''Фиолетовый''' || Несёт еду в гнездо
|-
| '''Жёлтый''' || Имеет 1 место в памяти (но не использует его в данный момент)
|-
| '''Красный''' || Имеет 2 и более мест в памяти
|}

=== Собираемые данные для анализа ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают с пустой памятью ('''зелёные''')
# Найдя еду, запоминают координаты патча и становятся '''фиолетовыми''' (несут еду)
# После доставки еды в гнездо цвет меняется в зависимости от количества запомненных мест ('''жёлтый''' = 1 место, '''красный''' = 2+)
# Когда энергия падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и идёт к ближайшему запомненному месту
# Если запомненное место опустело, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает это место

== План экспериментов ==

Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки двух гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: только феромон, только память, феромон+память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

Сам эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace:

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

==== Гипотеза 2: Влияние количества источников еды ====

Для проверки влияния количества еды проведён отдельный эксперимент при фиксированной стратегии «Феромон + память» (30 повторений, 2 комбинации: 3 и 6 источников, всего 60 прогонов).

[[Файл:g2_food.png|thumb|center|600px|Рисунок 3. Доставленная еда при 3 и 6 источниках]]

'''Доставленная еда'''

Средняя доставленная еда:
- 3 источника: 204.5
- 6 источников: 308.9

t-тест: t = -17.59, df = 41.46, p < 0.001

Разница: 104.4 единицы еды (95% доверительный интервал: от 92.4 до 116.4)

'''Вывод по Гипотезе 2:''' Гипотеза ПОДТВЕРЖДАЕТСЯ. Увеличение количества источников еды с 3 до 6 приводит к статистически значимому росту доставленной еды (p < 0.001).

'''Выживаемость'''

[[Файл:g2_turtles.png|thumb|center|600px|Рисунок 4. Выживаемость при 3 и 6 источниках]]

Средняя выживаемость:
- 3 источника: 7.2 муравья
- 6 источников: 23.4 муравья

t-тест: t = -11.73, df = 57.57, p < 0.001

Разница: 16.2 муравья (95% доверительный интервал: от 13.4 до 18.9)

Увеличение количества еды также значимо повышает выживаемость колонии.

=== Демонстрация работы стратегий (GIF) ===

Ниже представлены анимации (GIF), показывающие поведение муравьёв в каждом из трёх сценариев (3 источника еды, 1000 тиков). Значения в скобках — количество доставленной еды за прогон.

{| class="wikitable" style="text-align: center;"
|-
! width="33%" | Только феромон (103 еды) !! width="33%" | Только память (210 еды) !! width="33%" | Феромон + память (212 еды)
|-
| [[Файл:Pheromone_only.gif|thumb|center|300px|Зелёные тропы феромона]] || [[Файл:Memory_only.gif|thumb|center|300px|Жёлтые, красные, синие муравьи]] || [[Файл:Pheromone_memory.gif|thumb|center|300px|Тропы + цветная память]]
|-
| Коллективный след без памяти. Муравьи полагаются только на феромон. || Индивидуальная память без феромона. Цвета отражают размер памяти. || Сочетание двух механизмов. Наивысшая эффективность.
|}

'''Что показывают гифки:'''

* **Только феромон:** Зелёные тропы формируются, но эффективность ниже (103 еды).
* **Только память:** Нет зелёных троп, но муравьи с памятью (синие) идут напрямую к еде (210 еды).
* **Феромон + память:** Работают оба механизма — зелёные тропы и муравьи с памятью (212 еды).

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T14:12:42Z

Софронова Кира: /* Результаты */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''только коллективный феромон'''
* '''только индивидуальная память'''
* '''сочетание (феромон + память)'''
С помощью двух экспериментов в среде BehaviorSpace были собраны данные о эффективности колонии (доставленная еда) и выживаемости муравьёв. Первый эксперимент (проверка Гипотезы 1) включал 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) проводился при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Количественно оценить, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в эффективности (количестве доставленной еды `total-food-count`) между тремя сценариями: использованием только коллективного феромона, только индивидуальной памяти и их сочетанием.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически значимо более высокую эффективность, чем каждый из этих механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды (с 3 до 6) не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к статистически значимому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Скачать модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к запомненной еде
|-
| '''Фиолетовый''' || Несёт еду в гнездо
|-
| '''Жёлтый''' || Имеет 1 место в памяти (но не использует его в данный момент)
|-
| '''Красный''' || Имеет 2 и более мест в памяти
|}

=== Собираемые данные для анализа ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают с пустой памятью ('''зелёные''')
# Найдя еду, запоминают координаты патча и становятся '''фиолетовыми''' (несут еду)
# После доставки еды в гнездо цвет меняется в зависимости от количества запомненных мест ('''жёлтый''' = 1 место, '''красный''' = 2+)
# Когда энергия падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и идёт к ближайшему запомненному месту
# Если запомненное место опустело, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает это место

== План экспериментов ==

Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки двух гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: только феромон, только память, феромон+память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

Сам эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace:

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

=== Демонстрация работы стратегий (GIF) ===

Ниже представлены анимации (GIF), показывающие поведение муравьёв в каждом из трёх сценариев (3 источника еды, 1000 тиков). Значения в скобках — количество доставленной еды за прогон.

{| class="wikitable" style="text-align: center;"
|-
! width="33%" | Только феромон (103 еды) !! width="33%" | Только память (210 еды) !! width="33%" | Феромон + память (212 еды)
|-
| [[Файл:Pheromone_only.gif|thumb|center|300px|Зелёные тропы феромона]] || [[Файл:Memory_only.gif|thumb|center|300px|Жёлтые, красные, синие муравьи]] || [[Файл:Pheromone_memory.gif|thumb|center|300px|Тропы + цветная память]]
|-
| Коллективный след без памяти. Муравьи полагаются только на феромон. || Индивидуальная память без феромона. Цвета отражают размер памяти. || Сочетание двух механизмов. Наивысшая эффективность.
|}

'''Что показывают гифки:'''

* **Только феромон:** Зелёные тропы формируются, но эффективность ниже (103 еды).
* **Только память:** Нет зелёных троп, но муравьи с памятью (синие) идут напрямую к еде (210 еды).
* **Феромон + память:** Работают оба механизма — зелёные тропы и муравьи с памятью (212 еды).

=== Общий вывод ===

Обе гипотезы подтверждены:

1. **Гипотеза 1:** Комбинация феромона и индивидуальной памяти даёт статистически значимо более высокую эффективность доставки еды (204.1 против 88.3, p < 0.001).

2. **Гипотеза 2:** Увеличение количества источников еды с 3 до 6 значимо повышает как доставленную еду (308.9 против 204.5, p < 0.001), так и выживаемость (23.4 против 7.2, p < 0.001).

**Дополнительный вывод:** Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды (41.2 муравья). Память важна для выживания при обилии ресурсов, но для максимизации доставки еды необходимо сочетание с феромоном.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Файл:G1 survival.png

2026-06-10T14:09:39Z

Софронова Кира: Гипотеза 1. Выживаемость

== Краткое описание ==
Гипотеза 1. Выживаемость

Stygmergia v obrazovanii

2026-06-10T14:08:49Z

Софронова Кира: /* Результаты */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''только коллективный феромон'''
* '''только индивидуальная память'''
* '''сочетание (феромон + память)'''
С помощью двух экспериментов в среде BehaviorSpace были собраны данные о эффективности колонии (доставленная еда) и выживаемости муравьёв. Первый эксперимент (проверка Гипотезы 1) включал 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) проводился при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Количественно оценить, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в эффективности (количестве доставленной еды `total-food-count`) между тремя сценариями: использованием только коллективного феромона, только индивидуальной памяти и их сочетанием.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически значимо более высокую эффективность, чем каждый из этих механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды (с 3 до 6) не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к статистически значимому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Скачать модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к запомненной еде
|-
| '''Фиолетовый''' || Несёт еду в гнездо
|-
| '''Жёлтый''' || Имеет 1 место в памяти (но не использует его в данный момент)
|-
| '''Красный''' || Имеет 2 и более мест в памяти
|}

=== Собираемые данные для анализа ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают с пустой памятью ('''зелёные''')
# Найдя еду, запоминают координаты патча и становятся '''фиолетовыми''' (несут еду)
# После доставки еды в гнездо цвет меняется в зависимости от количества запомненных мест ('''жёлтый''' = 1 место, '''красный''' = 2+)
# Когда энергия падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и идёт к ближайшему запомненному месту
# Если запомненное место опустело, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает это место

== План экспериментов ==

Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки двух гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: только феромон, только память, феромон+память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

Сам эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace:

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

==== Выживаемость ====

[[Файл:g1_survival.png|thumb|center|600px|Рисунок 2. Выживаемость муравьёв по трём стратегиям (6 источников)]]

Хотя основная гипотеза проверялась на доставленной еде, анализ выживаемости муравьёв дал интересные дополнительные результаты.

'''Средняя выживаемость (count turtles) при 6 источниках еды:'''

| Стратегия | Средняя выживаемость |
|-----------|---------------------|
| Только память | 41.2 |
| Феромон + память | 23.1 |
| Только феромон | 8.1 |

'''ANOVA для выживаемости (3 источника):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 18721 9360 627.6 <2e-16 ***
Residuals 1137 16957 15

Различия также статистически значимы. Наибольшая выживаемость наблюдается при стратегии «Только память» с 6 источниками еды, что может объясняться более эффективным использованием энергии благодаря запомненным координатам еды.

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Stygmergia v obrazovanii

2026-06-10T14:06:24Z

Софронова Кира: /* Гипотеза 1: Сравнение трёх стратегий */

= [[Стигмергия]] в образовании =

{{#ask: [[Стигмергия]] | ?Description }}

== Аннотация ==

В данном проекте исследуется механизм стигмергии (коллективного взаимодействия через метки в среде) и его конкуренция/синергия с индивидуальной памятью агентов. На примере модифицированной агентной модели «Муравьи» (NetLogo) сравниваются три стратегии поиска ресурсов:
* '''только коллективный феромон'''
* '''только индивидуальная память'''
* '''сочетание (феромон + память)'''
С помощью двух экспериментов в среде BehaviorSpace были собраны данные о эффективности колонии (доставленная еда) и выживаемости муравьёв. Первый эксперимент (проверка Гипотезы 1) включал 6 комбинаций параметров (3 стратегии × 2 уровня еды) с 20 повторениями (120 прогонов). Второй эксперимент (Гипотеза 2) проводился при фиксированной стратегии «феромон + память» и двух уровнях еды (3 и 6 источников) с 30 повторениями (60 прогонов).

----

=== Цель работы ===

Количественно оценить, даёт ли совместное использование коллективного и индивидуального опыта статистически значимое преимущество по сравнению с каждым из механизмов по отдельности.

== Рабочие гипотезы ==

=== Гипотеза 1. Сравнение механизмов: феромон, память и их сочетание ===

* '''H₀:''' Не существует статистически значимой разницы в эффективности (количестве доставленной еды `total-food-count`) между тремя сценариями: использованием только коллективного феромона, только индивидуальной памяти и их сочетанием.
* '''H₁:''' Сценарий, сочетающий коллективный феромон и индивидуальную память, обеспечивает статистически значимо более высокую эффективность, чем каждый из этих механизмов по отдельности.

=== Гипотеза 2. Влияние количества источников еды ===

* '''H₀:''' Увеличение количества источников еды (с 3 до 6) не приводит к статистически значимому изменению эффективности колонии (`total-food-count`) и выживаемости муравьёв (`count turtles`).
* '''H₁:''' Увеличение количества источников еды приводит к статистически значимому росту эффективности колонии и выживаемости муравьёв, а также может влиять на величину преимущества от использования индивидуальной памяти.

== Модель ==
<netlogo model="Memory_Ants" />

=== Скачать модель (.nlogox) ===
'''GitHub:''' [https://github.com/cristycrastys-source/Labs_my_beloved/tree/main/Econometrics]

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Ants с добавленной памятью)
* '''Анализ данных:''' R (библиотеки tidyverse, ggplot2, lmtest)
* '''Среда реализации:''' Поле цифровой дидактики (SMW)

=== Параметры среды ===

* '''Размер мира:''' от -40 до 40 (80×80)
* '''Гнездо:''' центр (0,0), радиус 5
* '''Еда:''' на радиусе 30 от центра, 3 или 6 кучек
* '''Феромон:''' диффузия и испарение управляются ползунками `diffusion-rate` и `evaporation-rate`

=== Управляющие параметры (настройки модели) ===

{| class="wikitable"
! Переменная !! Тип !! Диапазон !! Описание
|-
| `population` || Slider || 0–100 || Количество муравьёв
|-
| `diffusion-rate` || Slider || 0–50 || Скорость распространения феромона
|-
| `evaporation-rate` || Slider || 0–20 || Скорость испарения феромона
|-
| `use-memory?` || Switch || On/Off || Включение/выключение памяти
|-
| `more-food?` || Switch || On/Off || Дополнительные источники еды (3 → 6)
|-
| `memory-threshold` || Slider || 50–200 || Порог энергии для использования памяти
|}

=== Цветовая индикация муравьёв ===

{| class="wikitable"
! Цвет !! Состояние
|-
| '''Зелёный''' || Ищет еду, память пуста
|-
| '''Синий''' || Идёт по памяти к запомненной еде
|-
| '''Фиолетовый''' || Несёт еду в гнездо
|-
| '''Жёлтый''' || Имеет 1 место в памяти (но не использует его в данный момент)
|-
| '''Красный''' || Имеет 2 и более мест в памяти
|}

=== Собираемые данные для анализа ===

{| class="wikitable"
! Переменная !! Откуда !! Описание
|-
| `total-food-count` || Глобальная || Общее количество доставленной еды
|-
| `count turtles` || Встроенная || Количество живых муравьёв
|}

=== Как это работает ===

# Муравьи начинают с пустой памятью ('''зелёные''')
# Найдя еду, запоминают координаты патча и становятся '''фиолетовыми''' (несут еду)
# После доставки еды в гнездо цвет меняется в зависимости от количества запомненных мест ('''жёлтый''' = 1 место, '''красный''' = 2+)
# Когда энергия падает ниже порога (`memory-threshold`), муравей с памятью становится '''синим''' и идёт к ближайшему запомненному месту
# Если запомненное место опустело, муравей ищет еду в радиусе 8 патчей вокруг; если не находит — забывает это место

== План экспериментов ==

Эксперименты проводятся в среде BehaviorSpace (NetLogo). Реализованы два независимых эксперимента для проверки двух гипотез.

-----

=== Эксперимент 1 (Гипотеза 1): Сравнение трёх стратегий ===

* '''Независимые переменные:'''
** <code>use-memory?</code> — три сценария: только феромон, только память, феромон+память
** <code>more-food?</code> — два уровня: 3 источника, 6 источников

* '''Фиксированные параметры:'''
** <code>population = 50</code>
** <code>memory-threshold = 100</code>
** время прогона = 1000 тиков

* '''Повторений:''' 20
* '''Всего прогонов:''' 6 комбинаций × 20 = '''120'''

-----

=== Эксперимент 2 (Гипотеза 2): Влияние количества еды ===

* '''Фиксированная стратегия:''' феромон + память (<code>use-memory? = true</code>, <code>evaporation-rate = 10</code>, <code>diffusion-rate = 50</code>)
* '''Независимая переменная:''' <code>more-food?</code> — два уровня: 3 источника, 6 источников
* '''Фиксированные параметры:''' те же (<code>population = 50</code>, <code>memory-threshold = 100</code>, 1000 тиков)
* '''Повторений:''' 30
* '''Всего прогонов:''' 2 комбинации × 30 = '''60'''

-----

=== Исходные данные экспериментов ===

Сам эксперимент и CSV-файлы с результатами всех прогонов в BehaviorSpace:

- GitHub:[https://github.com/cristycrastys-source/Labs_my_beloved/tree/fed1a5b206bfe3456bfe9520b9b298f4c4c33946/Econometrics/%D0%AD%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D1%8B]

== Результаты ==

=== Гипотеза 1: Сравнение трёх стратегий ===

Был проведён полный факторный эксперимент (6 комбинаций, 20 повторений, 120 прогонов). Для каждой стратегии измерялась доставленная еда (total-food-count) и выживаемость муравьёв (count turtles). Анализ проведён в R.

[[Файл:g1_food.png|thumb|center|600px|Рисунок 1. Доставленная еда по трём стратегиям (3 источника)]]

==== Доставленная еда ====

'''ANOVA (3 источника еды):'''

Df Sum Sq Mean Sq F value Pr(>F)
strategy 2 3885725 1942863 3797 <2e-16 ***
Residuals 1137 581745 512

Различия между стратегиями статистически значимы (p < 0.001).

'''t-тест: феромон+память vs только феромон (3 источника)'''

t = -80.886, df = 774.9, p-value < 2.2e-16

Средняя доставленная еда:
- Только феромон: 88.3
- Феромон + память: 204.1

Разница: 115.8 единиц еды (95% доверительный интервал: от 112.9 до 118.6).

'''Вывод по Гипотезе 1:''' Гипотеза подтверждается. Комбинация феромона и памяти обеспечивает статистически значимо более высокую эффективность поиска еды по сравнению с использованием только феромона (p < 0.001).

== Просмотр кода с пояснениями ==
=== Полный код (.nlogo) ===

<syntaxhighlight lang="lisp" line>
;; ANTS WITH MEMORY - ФИНАЛ
;; ============================================
;; РАЗМЕР МИРА: от -40 до 40 (80×80)
;; ЕДА: на радиусе 30 от центра
;; ============================================
;; ЦВЕТА МУРАВЬЁВ:
;; ЗЕЛЁНЫЙ - ищет еду (память пуста)
;; СИНИЙ - идёт по памяти к еде
;; ФИОЛЕТОВЫЙ - несёт еду в гнездо
;; ЖЁЛТЫЙ - 1 место в памяти (не использует)
;; КРАСНЫЙ - 2+ места в памяти (не использует)
;; ============================================

globals [
total-food-count ; общее количество еды, доставленной в гнездо
]

patches-own [
chemical ; феромон на патче (коллективный след)
food-here ; наличие еды на патче (0 или 1)
is-nest ; является ли патч гнездом (1 да, 0 нет)
]

turtles-own [
my-food ; есть ли у муравья еда (0 или 1)
my-energy ; текущий запас энергии муравья
my-memory ; список запомненных патчей (места, где была еда)
]

;;;;;;;;;;;;;;;;;;;;;;;;
;;; НАСТРОЙКА МИРА
;;;;;;;;;;;;;;;;;;;;;;;;

to setup
clear-all
set-default-shape turtles "bug"

; ===== СОЗДАЁМ ГНЕЗДО =====
; Все патчи в радиусе 5 от центра становятся гнездом
ask patches [
ifelse (distancexy 0 0) < 5 [
set is-nest 1
set pcolor violet
] [
set is-nest 0
set food-here 0
set chemical 0
]
]

; ===== СОЗДАЁМ ИСТОЧНИКИ ЕДЫ =====
let radius 30 ; расстояние от центра до еды
let sources 3 ; базовое количество источников
if more-food? = true [ set sources 6 ] ; если включён переключатель

; Равномерно распределяем источники по кругу
let angles [] ; список углов
let step 360 / sources ; шаг между источниками
let current 0
repeat sources [
set angles lput current angles
set current current + step
]

; Для каждого угла создаём пятно еды радиусом 5
foreach angles [ angle ->
let xc radius * cos angle
let yc radius * sin angle
ask patches with [ distancexy xc yc < 5 ] [
set food-here 1
; Разные цвета для разных источников
if angle = 0 [ set pcolor cyan ]
if angle = 60 [ set pcolor sky ]
if angle = 120 [ set pcolor blue ]
if angle = 180 [ set pcolor cyan ]
if angle = 240 [ set pcolor sky ]
if angle = 300 [ set pcolor blue ]
]
]

; ===== СОЗДАЁМ МУРАВЬЁВ =====
create-turtles population [
setxy 0 0 ; все муравьи начинают из гнезда
set size 2
set color green ; ЗЕЛЁНЫЙ - ищет еду, память пуста
set my-food 0
set my-energy 200
set my-memory [] ; память пуста
]

set total-food-count 0
reset-ticks
end

;;;;;;;;;;;;;;;;;;;;;
;;; ОСНОВНОЙ ЦИКЛ
;;;;;;;;;;;;;;;;;;;;;

to go
ask turtles [
if who >= ticks [ stop ]

; ===== ТРАТИМ ЭНЕРГИЮ =====
; Каждый шаг отнимает 1 единицу энергии
set my-energy my-energy - 1
if my-energy <= 0 [ die ] ; энергия кончилась - муравей умирает

; ===== СБРОС ЕДЫ В ГНЕЗДЕ =====
; Если муравей в гнезде и несёт еду - выгружает её
if is-nest = 1 and my-food = 1 [
set my-food 0
set my-energy my-energy + 100 ; награда за доставленную еду
set total-food-count total-food-count + 1 ; увеличиваем счётчик
update-color-by-memory ; обновляем цвет в зависимости от памяти
rt 180 ; разворачиваемся
]

; ===== ВОЗВРАЩЕНИЕ С ЕДОЙ =====
; Если муравей несёт еду - идёт прямо в гнездо
if my-food = 1 [
set color violet ; ФИОЛЕТОВЫЙ - несёт еду
set chemical chemical + 60 ; оставляет феромон
facexy 0 0 ; поворачивается к центру (гнезду)
wiggle
fd 1
stop
]

; ===== ПОИСК ЕДЫ =====
; Если муравей не несёт еду - ищет её
look-for-food

wiggle
fd 1
]

; ===== ОБРАБОТКА ФЕРОМОНА =====
; Диффузия: феромон распространяется на соседние патчи
diffuse chemical (diffusion-rate / 100)

ask patches [
; Испарение: феромон постепенно исчезает
set chemical chemical * (100 - evaporation-rate) / 100
if chemical < 0.01 [ set chemical 0 ]

; Визуализация феромона (чем больше феромона, тем ярче зелёный)
if food-here = 0 and is-nest = 0 [
set pcolor scale-color green chemical 0 5
]
]

tick
end

;;;;;;;;;;;;;;;;;;;;;
;;; ПОИСК ЕДЫ С ПАМЯТЬЮ
;;;;;;;;;;;;;;;;;;;;;

to look-for-food
; ===== ПОДБОР ЕДЫ =====
; Если на текущем патче есть еда - подбираем её
if food-here > 0 [
set my-food 1
set food-here food-here - 1 ; еда исчезает с патча

; ЗАПОМИНАЕМ МЕСТО
if use-memory? [
set my-memory lput patch-here my-memory ; добавляем патч в список
if length my-memory > 15 [ set my-memory but-last my-memory ] ; ограничиваем размер
]

rt 180 ; разворачиваемся к гнезду
stop
]

; ===== ИСПОЛЬЗОВАНИЕ ПАМЯТИ =====
; Если память включена, энергии мало и есть запомненные места
if use-memory? and my-energy < memory-threshold and length my-memory > 0 [
let target nobody
let best-dist 999999

; Находим ближайшее запомненное место
foreach my-memory [ mem-patch ->
let d distance mem-patch
if d < best-dist [
set best-dist d
set target mem-patch
]
]

if target != nobody [
; ПРОВЕРЯЕМ, ЕСТЬ ЛИ ЕЩЁ ЕДА НА ЗАПОМНЕННОМ МЕСТЕ
ifelse [food-here] of target > 0 [
set color blue ; СИНИЙ - идёт по памяти к еде
face target
stop
] [
; ЕСЛИ ЕДЫ НЕТ - ИЩЕМ В РАДИУСЕ 8 ПАТЧЕЙ ВОКРУГ
let nearby-food patches with [food-here > 0 and distance target <= 8]
ifelse any? nearby-food [
; нашли еду рядом - идём к ближайшей
let closest-nearby min-one-of nearby-food [distance myself]
; добавляем новое место в память
set my-memory lput closest-nearby my-memory
if length my-memory > 15 [ set my-memory but-last my-memory ]
set color blue ; СИНИЙ - идёт по памяти к еде
face closest-nearby
stop
] [
; НЕТ ЕДЫ В РАДИУСЕ - УДАЛЯЕМ ЭТО МЕСТО ИЗ ПАМЯТИ
set my-memory remove target my-memory
]
]
]
]

; ===== ОБНОВЛЕНИЕ ЦВЕТА =====
update-color-by-memory

; ===== ДВИЖЕНИЕ ПО ФЕРОМОНУ =====
; Если есть феромон - идём по нему
if (chemical >= 0.05) and (chemical < 2) [
uphill-chemical
]
end

;;;;;;;;;;;;;;;;;;;;;
;;; ВСПОМОГАТЕЛЬНЫЕ ПРОЦЕДУРЫ
;;;;;;;;;;;;;;;;;;;;;

to update-color-by-memory
; Обновляет цвет муравья в зависимости от размера его памяти
; (только если муравей не несёт еду и не в режиме синего)
if my-food = 0 and color != blue [
let mem-count length my-memory
if mem-count = 0 [ set color green ] ; ЗЕЛЁНЫЙ - память пуста
if mem-count = 1 [ set color yellow ] ; ЖЁЛТЫЙ - 1 место
if mem-count >= 2 [ set color red ] ; КРАСНЫЙ - 2+ мест
]
end

to uphill-chemical
; Движение вверх по градиенту феромона
; Сравнивает концентрацию феромона спереди, справа и слева
let scent-ahead chemical-scent 0
let scent-right chemical-scent 45
let scent-left chemical-scent -45
if (scent-right > scent-ahead) or (scent-left > scent-ahead) [
ifelse scent-right > scent-left [ rt 45 ] [ lt 45 ]
]
end

to wiggle
; Лёгкое случайное покачивание, чтобы муравьи не застревали
rt random 30
lt random 30
if not can-move? 1 [ rt 180 ]
end

to-report chemical-scent [angle]
; Возвращает количество феромона на патче под указанным углом
let p patch-right-and-ahead angle 1
if p = nobody [ report 0 ]
report [chemical] of p
end

; Copyright 1997 Uri Wilensky.
</syntaxhighlight>

== Ссылки ==
* [[Практикум по эконометрике (syllabus)]]
* An Introduction to Agent-Based Modeling with NetLogo — [[Wilensky]], Rand [https://archive.org/details/introductiontoag0000wile/page/n507/mode/2up]
* Introduction to Econometrics with R — онлайн-учебник [https://www.econometrics-with-r.org/index.html]
* Causal Inference: The Mixtape — Cunningham [https://jwmason.org/wp-content/uploads/2021/08/Cunningham-Cuasal-Inference-the-Mixtape.pdf]
* Дружелюбная эконометрика — учебник [https://books.econ.msu.ru/Introduction-to-Econometrics/]
* NetLogo: [https://netlogo.org netlogo.org]
* R: [https://r-project.org r-project.org]

== Участники ==
* [[Участник:CristCas|Анастасия Юдаева]] — создание и оформление страницы, разработка и модификация кода модели NetLogo, выгрузка модели на GitHub, описание кода
* [[Участник:Маргарита Еськова|Маргарита Еськова]] — аннотация, формирование гипотез, проведение экспериментов в BehaviorSpace, сбор и выгрузка данных на GitHub, частичное оформление
* [[Участник:Софронова Кира|Кира Софронова]] — формулировка статистических гипотез, анализ данных в R, визуализация результатов, интерпретация выводов, частичное оформление

----
[[Категория:Работы по эконометрике]]

Файл:G1 food.png

2026-06-10T13:57:19Z

Софронова Кира: Гипотеза 1. Доставка еды

== Краткое описание ==
Гипотеза 1. Доставка еды

Stygmergia v obrazovanii

2026-06-10T13:55:57Z

Софронова Кира: /* Результаты */

Stygmergia v obrazovanii

2026-06-10T13:51:13Z

Софронова Кира: /* Результаты */

Обсуждение:Социальная статистика

2026-04-02T11:04:51Z

Софронова Кира: Новая страница: «Хотела бы взять социологическую тему, пригодится --~~~~»

Хотела бы взять социологическую тему, пригодится --[[Участник:Софронова Кира|Софронова Кира]] ([[Обсуждение участника:Софронова Кира|обсуждение]]) 14:04, 2 апреля 2026 (MSK)

Участник:Софронова Кира

2026-04-02T11:03:13Z

Софронова Кира:

{{UserMGPU
|Description=Любознательная и жаждущая познать этот мир!
|Field_of_knowledge=Математика, Информатика, Педагогика, Экономика, Образование, Искусственный интеллект, Управление, Статистика, Моделирование, Музыка
|Ancestors=Патаракин Евгений Дмитриевич
|similar_concepts=1C, Русский язык, Агентное моделирование, Экологическое воспитание, Аналитика данных
|Environment=Miro, 1C: Предприятие, Ecoplatform
|Position=Бакалавриат
|Profile=Информатика
|PedDirection=Нет
|Community=MGPU, МГПУ, ИЦО, GitHub, VK
|Виды_спорта=Йога, Фитнес (фитнес), Велоспорт
}}
----
[[Категория:UserMGPU]]
[[Категория:ЦИБ-241]]

Обсуждение:Индекс Морана

2026-04-02T10:54:09Z

Софронова Кира: Новая страница: «Может пригодиться в исследовании --~~~~»

Может пригодиться в исследовании --[[Участник:Софронова Кира|Софронова Кира]] ([[Обсуждение участника:Софронова Кира|обсуждение]]) 13:54, 2 апреля 2026 (MSK)

Участник:Софронова Кира

2026-02-19T06:45:43Z

Софронова Кира:

{{UserMGPU
|Field_of_knowledge=Математика, Информатика, Педагогика, Экономика, Искусственный интеллект, Управление, Большие данные, Статистика, Моделирование
|Ancestors=Патаракин Евгений Дмитриевич
|Position=Бакалавриат
|Profile=Информатика
|PedDirection=Нет
|Community=MGPU, МГПУ, ИЦО, Miro
}}
----
[[Категория:UserMGPU]]
[[Категория:ЦИБ-241]]

Участник:Софронова Кира

2026-02-19T06:42:38Z

Софронова Кира: Новая страница: «---- Категория:UserMGPU Категория:ЦИБ-241»

----
[[Категория:UserMGPU]]
[[Категория:ЦИБ-241]]