def get_route(args_model,args_times,args_steps,time_max,gridDimension,grid_args):
#初始化数据
#args_model包含参数包括S，p，和指数gama
#args_times包含参数包括时间的指数，上下限,要模拟的结果次数
#args_step 包含步长的信息，指数，上限
lstep=1
tstep=powerlow.get_float_powerlaw(args_times[0],args_times[1],args_times[2],args_times[3])
L_Place=Grid.get_powerlaw_grid(grid_args,dimenssionX=gridDimension,dimenssionY=gridDimension)
L_tempPlace=[]
gama=args_model[2]
S=args_model[0]
r=args_model[1]
#随机选择起始点，并初始化所要用到的循环数据
postion=random.choice(L_Place)
L_tempPlace.append(postion)
S=S+1
index=0
time_sum=0
while((time_sum<time_max)&( index<len(tstep)-1)):
tag=r*S**(gama)
tag2=random.random()
if(tag>tag2):
#这时候去探索新的场所代码
next_postion=get_next_step(grid=L_Place,beta=args_steps[0],postion=postion,max_dis=args_steps[1])
if(next_postion==0):
continue
postion=next_postion
##更新当前坐标
L_tempPlace.append(postion)
S=S+1
index=index+1
else:
postion=random.choice(L_tempPlace)
L_tempPlace.append(postion)
index=index+1
time_sum=time_sum+tstep[index]
return L_tempPlace
def set_t(self):
if (len(self.args_t) != 0):
self.ts = powerlow.get_float_powerlaw(self.args_t[0], self.args_t[1], self.args_t[2], self.args_t[3])