-
Notifications
You must be signed in to change notification settings - Fork 0
/
Agent_Kuramoto_Difus_neigh_rad.py
545 lines (346 loc) · 18.9 KB
/
Agent_Kuramoto_Difus_neigh_rad.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
# coding: utf-8
# In[25]:
#from pylab import *
import math
import random as rd
import numpy as np
import networkx as nx
from scipy import stats as st
from numpy import array
from scipy.integrate import ode
from scipy.stats import pareto
import csv
def sistema_nodo(nodo): # genera las ecuaciones (derivada de cada P)
global g
resultado = []
aux = str("g.node["+str(nodo)+"]['omega']")
for i in g.neighbors_iter(nodo):
aux += str("+alpha*np.sin(g.node["+str(i)+"]['theta']-P[0])") ### P[]= fase (variable a integrar)
resultado.append(aux)
return resultado
def dP_dt2_nodo(t,P,alpha,expresion,nodo):
resultado = []
resultado.append(eval(expresion[0]))
return resultado
def actualizacion2_nodo(g,Tg,nodo):
global alpha
expresion = sistema_nodo(nodo)
#sistema
#print g.nodes()
#print(expresion)
P0=[]
P0.append(g.node[nodo]['theta'])
t0 = 0.0
t1 = Tg
solver = ode(dP_dt2_nodo)
solver.set_initial_value(P0, t0)
solver.set_integrator('vode')
solver.set_f_params(alpha,expresion,nodo)
while solver.successful() and solver.t < t1:
solver.integrate(t1, step=True)
g.node[nodo]['theta'] = list(array(solver.y))[0]
def sistema_nodo_vecinos(nodo): # genera las ecuaciones (derivada de cada P)
global g
candidatos = [nodo] + g.neighbors(nodo)
#for index, s in enumerate(stocks_list):
#print index, s
resultado = []
for i in candidatos: #la variable P de cada candidato será la de su índice en la lista: candidato[0]-->P[0]
aux = str("g.node["+str(i)+"]['omega']")
for j in g.neighbors_iter(i):
if (j in candidatos):
aux += str("+alpha*np.sin(P["+str(candidatos.index(j))+"]-P["+str(candidatos.index(i))+"])") ### P[]= fase (variable a integrar)
else:
aux += str("+alpha*np.sin(g.node["+str(j)+"]['theta']-P["+str(candidatos.index(i))+"])") ### P[]= fase (variable a integrar)
resultado.append(aux)
return resultado
def dP_dt2_nodo_vecinos(t,P,alpha,expresion,nodo):
resultado = []
candidatos = [nodo] + g.neighbors(nodo)
for i in range(0,len(candidatos)):
resultado.append(eval(expresion[i]))
return resultado
def actualizacion2_nodo_vecinos(g,Tg,nodo):
global alpha
candidatos = [nodo] + g.neighbors(nodo)
expresion = sistema_nodo_vecinos(nodo)
#sistema
#print g.nodes()
#print(expresion)
P0=[]
for i in candidatos:
P0.append(g.node[i]['theta'])
t0 = 0.0
t1 = Tg
solver = ode(dP_dt2_nodo_vecinos)
solver.set_initial_value(P0, t0)
solver.set_integrator('vode')
solver.set_f_params(alpha,expresion,nodo)
while solver.successful() and solver.t < t1:
solver.integrate(t1, step=True)
for i in candidatos:
g.node[i]['theta'] = list(array(solver.y))[candidatos.index(i)]
#########
def nuevo_nodo2(i): #Se selecciona un nodo y se le conecta a un nodo nuevo. Se perturba la posición del primero.
global g, delta_omega, c, delta_c
n_nodes = len(g.nodes())
nuevo = int(n_nodes)
g.add_node(nuevo)
g.node[nuevo]['omega'] = 1.0 + np.random.uniform(-delta_omega, delta_omega)
if n_nodes > 0:
#i=rd.choice(range(n_nodes)) #J: se selecciona el nodo en el update2()
g.add_edge(nuevo, i)
g.node[nuevo]['theta'] = g.node[i]['theta'] + np.random.uniform(-delta_theta, delta_theta) #A: nace con una fase similar a la del
#"padre" (se introduce una perturbacion)
angulo = rd.random()*2*math.pi
modulo = rd.random()*c
g.node[nuevo]['x']=g.node[i]['x'] + modulo*np.cos(angulo)
g.node[nuevo]['y']=g.node[i]['y'] + modulo*np.sin(angulo)
#angulo = rd.random()*2*math.pi
#modulo = rd.random()*delta_c
#g.node[i]['x'] += modulo*np.cos(angulo)
#g.node[i]['y'] += modulo*np.sin(angulo)
return i #devuelve el valor del nodo al que se ha conectado el nodo recien creado
else:
g.node[nuevo]['theta'] = 2.0 *math.pi * rd.random()
g.node[nuevo]['x'] = rd.random()
g.node[nuevo]['y'] = rd.random()
return nuevo #devuelve el valor del nodo al que se ha conectado el nodo recien creado
def nuevo_enlace2(i): #Se selecciona un nodo y se le conecta a otro cercano. Se perturba la posición del primero.
global g, delta_omega, b, delta_c
max_intentos = 1000
exito = False
n_nodes = len(g.nodes())
n_enlaces = len(g.edges())
max_enalces = 0.5 * n_nodes * (n_nodes - 1.0)
x0=g.node[i]['x']
y0=g.node[i]['y']
next_neighbors=[] #J: primero busco los 2º vecinos
for ii in nx.neighbors(g,i):
for nnb in nx.neighbors(g,ii):
#print('i=',i,'ii=',ii)
next_neighbors.append(nnb) #J: Solo consideramos enlaces con los 2º vecinos
#print('next_neigh=',next_neighbors)
if (n_enlaces < max_enalces) and (len(next_neighbors)>0):
#neighbs = nx.neighbors(g,i)
intentos = 0
while (exito != True) and (intentos<max_intentos):
intentos += 1 #J: Hay que dejar siempre una vía de escape en los while
#i = rd.choice(g.nodes()) #El agente se elige en el update2()
#rad = pareto.rvs(b, size=1) #Generate random numbers form a pareto density distribution b/(x^(1+b))
#rad = rad[0] #El comando anterior genera una lista con 1 elemento, que extraemos aquí
rad=rad0 # QUITAMOS vecindad con distribución de Pareto. Ahora es FIJA. JMP 19/01/18
#candidates0 = [nb for nb in g.nodes() if ( ((g.node[nb]['x']-x0)**2 + (g.node[nb]['y']-y0)**2) < rad**2) and (nb != i) ]
candidates0 = [nb for nb in next_neighbors if ( ((g.node[nb]['x']-x0)**2 + (g.node[nb]['y']-y0)**2) < rad**2) and (nb != i) ]
candidates = [nb for nb in candidates0 if (nb in nx.non_neighbors(g,i))] #J: antes de elegir vecino comprueba que no tiene enlace
n_candidates = len(candidates) #se limita por los de su especie y la otra
#print('i:',i,'n_candidates= ',n_candidates)
if n_candidates > 0:
j=rd.choice(candidates)
if j in nx.non_neighbors(g,i): #nx.non_neighbors(g,i) proporciona la lista de no-vecinos de i
g.add_edge(i, j)
exito = True
#angulo = rd.random()*2*math.pi
#modulo = rd.random()*delta_c
#g.node[i]['x'] += modulo*np.cos(angulo)
#g.node[i]['y'] += modulo*np.sin(angulo)
return i #devuelve el valor del nodo al que se ha conectado el nodo recien creado
else: #Si el grafo es completo, añadimos un nuevo nodo
#i = rd.choice(g.nodes()) #J: Si no puede añadir enlace VUELVE
#nuevo_nodo2(i)
return i
def update2():
global g, g_max, n_max, t, umbral, Tg, m, r, delta_omega, p, temp, p_rotura, gamma, exp_Levy,delta_c,delta_theta
################################################## #Adición de un nuevo nodo o enlace (según sea el valor de p)
nodo = rd.choice(g.nodes()) #J: Se elige primero el agente (Sacamos un candidatos de la lista)
angulo = rd.random()*2*math.pi #J: 1º Hacemos difusión del nodo con amplitud Delta_c
modulo = rd.random()*delta_c
g.node[nodo]['x'] += modulo*np.cos(angulo)
g.node[nodo]['y'] += modulo*np.sin(angulo)
if rd.random()<= p:
#nodo = nuevo_enlace2(i)
nuevo_enlace2(nodo) #J: Ahora de devuelve nada, yo le mando el nodo
else:
#nodo = nuevo_nodo2(i)
nuevo_nodo2(nodo) #J: Ahora de devuelve nada, yo le mando el nodo
################################################## #Se da Tg microtiempos para np.sincronizarse
if(incluye_vecinos):
actualizacion2_nodo_vecinos(g,Tg,nodo) #En cada paso sólo se modifican las fases del nodo donde se añade el nuevo nodo/enlace
else:
actualizacion2_nodo(g,Tg,nodo)
#y la de sus primeros vecinos
###################################################### #Evaluación de la estabilidad / Relajación
escision = 0 #Variable que almacena el tamaño de nodos escindidos en un instante de tiempo
rotura = 0
revisar = True
while revisar == True:
lista=[] #Almaceno inestables
if len(g.edges()) > 0:
for i in g.neighbors_iter(nodo):
media_sin = 0.5 * (np.sin(g.node[nodo]['theta']) + np.sin(g.node[i]['theta']))
media_cos = 0.5 * (np.cos(g.node[nodo]['theta']) + np.cos(g.node[i]['theta']))
r_ij = abs(complex(media_cos,media_sin)) #Parámetro de orden del enlace
d2_ij= (g.node[nodo]['x']-g.node[i]['x'])**2 + (g.node[nodo]['y']-g.node[i]['y'])**2
d_ij = math.sqrt(d2_ij) #J: distancia=r NO r^2
if d_ij > 1:
umbral_sincro_d = 1.0 - (1.0 - umbral)/(d_ij**(gamma))
#p_rotura_d = 1.0 - (1.0 - p_rotura)/(d_ij**(gamma)) # QUITAMOS rotura por DISTANCIA. JMP 19/01/18
else:
umbral_sincro_d = umbral
p_rotura_d = p_rotura
#print('(i:',i[0],',j:',i[1],');d_ij1000 = {:.4f}'.format(d_ij1000),'umbral={:.4f}'.format(umbral_sincro_d), ' r_ij={:.4f}'.format(r_ij),' p_rotura={:.4f}'.format(p_rotura_d))
# if (r_ij < umbral_sincro_d) or (rd.random() <= p_rotura_d): ## QUITAMOS rotura por DISTANCIA. JMP 19/01/18
if (r_ij < umbral_sincro_d):
lista.append(i)
#print('lista de enlaces a cortar',lista)
if lista == []:
revisar = False
else:
for i in lista:
g.remove_edge(nodo,i) #Eliminamos el enlace
rotura +=1
#for j in [i[0],i[1]]: #Si tras la rotura algún nodo se queda desconectado, Levy-flight
# if g.degree(j) == 0:
# #print('nodo desconectado:',j)
# angulo = rd.random()*2*math.pi
# salto = (rd.random())**(-1/exp_Levy)
# g.node[j]['x'] += salto*np.cos(angulo)
# g.node[j]['y'] += salto*np.sin(angulo)
# #print(g.node[j])
else:
revisar = False
lista_roturas.append(rotura)
def registro_datos():
global g, lista_cant_nodos,lista_cant_enlaces,lista_roturas,lista_media_sin,lista_media_cos, lista_orden,lista_cant_subgrafos,lista_cantidad_nodos_componente_gigante,lista_diametro_componente_gigante, lista_clustering_medio_componente_gigante,lista_camino_corto_medio_componente_gigante, lista_distancia_enlace_euclidiana_media_componente_gigante
lista_cant_nodos.append(len(g.nodes()))
lista_cant_enlaces.append(len(g.edges()))
#lista_escisiones.append(escision)
#lista_roturas.append(rotura) #A: las roturas se registran en la funcion update,\
#para así tener el dato de los instantes de microtiempo
diferencias_sin = 0.0
diferencias_cos = 0.0
for i in g.nodes_iter():
diferencias_sin += np.sin(g.node[i]['theta'])/len(g.nodes())
diferencias_cos += np.cos(g.node[i]['theta'])/len(g.nodes())
lista_media_sin.append(diferencias_sin)
lista_media_cos.append(diferencias_cos)
lista_orden.append(abs(complex(diferencias_cos,diferencias_sin)))
################################################## #Registro datos sobre los subgrafos y la componente gigante
subgrafos = sorted(nx.connected_components(g), key = len, reverse=True)
lista_cant_subgrafos.append(len(subgrafos))
componente_gigante = g.subgraph(list(subgrafos[0])) #A: Grafo que contiene una copia del componente gigante
lista_cantidad_nodos_componente_gigante.append(len(componente_gigante.nodes())) #A: Almacena la variable que indica el nombre
lista_diametro_componente_gigante.append(nx.diameter(componente_gigante)) #A: Almacena la variable que indica el nombre
if len(componente_gigante.nodes()) > 1:
lista_clustering_medio_componente_gigante.append(nx.average_clustering(componente_gigante,weight=None))
lista_camino_corto_medio_componente_gigante.append(nx.average_shortest_path_length(componente_gigante, weight=None))
else:
lista_clustering_medio_componente_gigante.append(float('nan'))
lista_camino_corto_medio_componente_gigante.append(float('nan'))
if len(componente_gigante.edges()) > 1:
distancias_aux = []
for i in componente_gigante.edges():
d2_ij= (g.node[i[0]]['x']-g.node[i[1]]['x'])**2 + (g.node[i[0]]['y']-g.node[i[1]]['y'])**2
distancias_aux.append(math.sqrt(d2_ij))
lista_distancia_enlace_euclidiana_media_componente_gigante.append(1.0*sum(distancias_aux)/len(distancias_aux))
else:
lista_distancia_enlace_euclidiana_media_componente_gigante.append(float('nan'))
#############################################################
#############################################################
#PARAMETROS
#############################################################
#Parámetros generales
tmax = 20
p = 0.5 # parametro para ajustar la proporcion de nodos o enlaces nuevos que introducimos en cada paso
incluye_vecinos = True #J: Parámetro para elegir si actualizar también las fases de los vecinos o no
#a = 0.001; # limiting factor
#b = 2.0 #Pareto parameter # QUITAMOS vecindad con distribución de Pareto. Ahora es FIJA. JMP 19/01/18
rad0= 0.1 #Quitamos Pareto y dejamos distancia fija rad0
c = 2.0 #factor distancia nuevo hijo (por ahora no se mueren)
gamma = 2.0 #exponente de Pareto
exp_Levy = 1.5 #exponente de Levy-Flights
delta_omega = 0.2
delta_theta = 0.1*math.pi #máxima desviación de la fase del hijo
delta_c = 0.1*c ##máxima desviación de la posición de un nodo al inicio de un nuevo instante de tiempo
#############################################################
#Umbrales
umbral = 0.3 #sincronización mínima que se exige en los extremos de un enlace
p_rotura = 0.0 #probabilidad de rotura de un enlace que está a distancia menor o igual que 1
#############################################################
#Integración numérica
Tg = 3.0 #duración de la integración numérica de las ecuaciones diferenciales
alpha = 1.0 # coupling strength
csvfile = 'out_Ag_Dif_neigh_FAST_nn_p5rp1c2u3t20.txt' #nombre del fichero txt de salida con los datos de las series temporales
path_graph = 'out_Ag_Dif_neigh_FAST_nn_p5rp1c2u3t20.gpickle' #nombre del fichero gpickle de salida con el grafo
lista_cant_nodos = []
lista_cant_enlaces = []
#lista_escisiones = []
lista_roturas = []
lista_media_sin = []
lista_media_cos = []
lista_orden = []
lista_cant_subgrafos = []
lista_cantidad_nodos_componente_gigante = [] #A: Almacena la variable que indica el nombre
lista_diametro_componente_gigante = [] #A: Almacena la variable que indica el nombre
tiempo = []
microtiempo = [] #Almacena el valor de (macro)tiempo de cada instante de microtiempo
lista_clustering_medio_componente_gigante = [] #A: Almacena la variable que indica el nombre
lista_camino_corto_medio_componente_gigante = [] #A: Almacena la variable que indica el nombre
lista_distancia_enlace_euclidiana_media_componente_gigante = [] #A: Almacena la variable que indica el nombre
################################################## Semilla
g = nx.Graph()
nuevo_nodo2(0)
#g_max = g.copy()
#n_max = len(g_max.nodes())
t = 1
tiempo.append(0)
lista_cant_nodos.append(1)
lista_cant_enlaces.append(0.0)
#lista_escisiones.append(0.0)
lista_roturas.append(0.0)
lista_cant_subgrafos.append(1.0)
lista_media_sin.append(np.sin(g.node[0]['theta']))
lista_media_cos.append(np.cos(g.node[0]['theta']))
lista_orden.append(1.0)
lista_cantidad_nodos_componente_gigante.append(1.0)
lista_diametro_componente_gigante.append(float('nan'))
microtiempo.append(0)
lista_clustering_medio_componente_gigante.append(float('nan'))
lista_camino_corto_medio_componente_gigante.append(float('nan'))
lista_distancia_enlace_euclidiana_media_componente_gigante.append(float('nan'))
################################
################################
## Comienzo del bucle
################################
cons = 0
while t < tmax+1:
dt=0
cons = 0
while dt < 1.0:
cons += 1
if cons % 1000 == 0:
print('cons=',cons)
microtiempo.append(t)
dt += 1./len(g.nodes())
#print('t:',t,'; n_nodes=',len(g.nodes()),'; dt: ',dt)
update2() #J: A continuación habría que meter lo que se calcula en cada actualización
registro_datos() #Esta función registra los datos en los instante de macro tiempo
tiempo.append(t)
t += 1
#J: Uso la actualización de tiempos de SAYAMA
#J: Aquí habría que meter lo que se calcula para cada MACROTIEMPO
if t%1==0:
print(t)
res = [lista_cant_nodos,lista_cant_enlaces,lista_roturas,lista_media_sin,lista_media_cos,lista_orden, lista_cant_subgrafos,lista_cantidad_nodos_componente_gigante,lista_diametro_componente_gigante,tiempo, microtiempo,lista_clustering_medio_componente_gigante,lista_camino_corto_medio_componente_gigante, lista_distancia_enlace_euclidiana_media_componente_gigante]
with open(csvfile, "w") as output:
writer = csv.writer(output, lineterminator='\n')
writer.writerows(res)
nx.write_gpickle(g, path_graph)
#Salvado final, tras completar la ejecución del programa
res = [lista_cant_nodos,lista_cant_enlaces,lista_roturas,lista_media_sin,lista_media_cos,lista_orden, lista_cant_subgrafos,lista_cantidad_nodos_componente_gigante,lista_diametro_componente_gigante,tiempo, microtiempo,lista_clustering_medio_componente_gigante,lista_camino_corto_medio_componente_gigante, lista_distancia_enlace_euclidiana_media_componente_gigante]
with open(csvfile, "w") as output:
writer = csv.writer(output, lineterminator='\n')
writer.writerows(res)
nx.write_gpickle(g, path_graph)
# In[21]:
print(nx.neighbors(g,4))