---
title: "بوم‌شناسی، تکامل و رفتار جانوران · شبیه‌سازی‌ها · فرضیهٔ شبیه‌سازی"
url: https://simulation-hypothesis.com/fa/simulations/ecology-behaviour
description: "کلنی‌های مورچه، دسته‌ها، شبکه‌های غذایی، جنگل‌ها و ژن‌ها در طول نسل‌ها. بخشی از یک طبقه‌بندی از شبیه‌سازی‌هایی که مردم واقعاً اجرا می‌کنند."
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl، فرضیهٔ شبیه‌سازی (simulation-hypothesis.com)"
---

[شبیه‌سازی‌ها](https://simulation-hypothesis.com/fa/simulations)حوزهٔ 6 از 18

# بوم‌شناسی، تکامل و رفتار جانوران

کلنی‌های مورچه، دسته‌ها، شبکه‌های غذایی، جنگل‌ها و ژن‌ها در طول نسل‌ها.

جانداران که با قواعد محلی عمل می‌کنند، و کلونی‌ها، دسته‌ها و بوم‌سامانه‌هایی که پدید می‌آیند. شبیه‌سازی عامل‌محور عمدتاً در بوم‌شناسی بزرگ شد. یک دسته یا یک ردّ مورچه نمونهٔ اعلای الگویی است که هیچ فردی طراحی‌اش نمی‌کند.

## رفتار جمعی

### خوراک‌جویی کلونی مورچه

مورچه‌های منفرد که ردّ فرمون می‌گذارند و دنبال می‌کنند، بی‌رهبر و بی‌نقشه.

پرسشی که پاسخ می‌دهد: وقتی هیچ مورچه‌ای راه را نمی‌داند، یک کلونی چگونه کوتاه‌ترین مسیر به غذا را پیدا می‌کند؟

کنار می‌گذارد: مورچه‌های واقعی از دید، صدا و مزه هم استفاده می‌کنند، که بیشتر مدل‌های رد آن‌ها را نادیده می‌گیرند.

اجرا می‌شود روی: حدود 10^11 FLOPS تقریبی ایستگاه کاری رومیزی که هزاران مورچهٔ در حال خوراک‌جویی را شبیه‌سازی می‌کند از: 1990 مدل شکل‌گیری رد مورچهٔ آرژانتینی از دونوبورگ و همکارانش

[مدل تعاملی را اجرا کنید](https://simulation-hypothesis.com/fa/simulations/run#toy-ants)

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)کف: بدن‌ها

### کلونی‌های زنبور عسل

گردآورندگان، پرستاران و پیشاهنگان که کار را تقسیم می‌کنند، و دسته‌هایی که با نوعی رأی خانهٔ تازه برمی‌گزینند.

پرسشی که پاسخ می‌دهد: یک دسته بدون رهبر چگونه بهترین محل لانه را برمی‌گزیند؟

کنار می‌گذارد: فرض می‌کند زنبورها از قواعد سادهٔ ثابت پیروی می‌کنند، با اینکه زنبورهای واقعی فرق دارند و می‌توانند اشتباه کنند.

اجرا می‌شود روی: حدود 10^11 FLOPS تقریبی ایستگاه کاری رومیزی که انتخاب محل لانهٔ یک دسته را شبیه‌سازی می‌کند از: 2003 مدل پاسینو و سیلی از انتخاب محل لانهٔ زنبور عسل

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)کف: بدن‌ها

### گله‌روی و دسته‌روی

هر پرنده یا ماهی با سه قاعدهٔ محلی هدایت می‌شود: جدایی، همترازی با همسایه‌ها و چسبندگی.

پرسشی که پاسخ می‌دهد: هزاران جانور چگونه با هم مثل یک پیکر می‌چرخند؟

کنار می‌گذارد: دسته‌های واقعی به شکارچیان و زمینی پاسخ می‌دهند که سه قاعدهٔ ساده کنار می‌گذارند.

اجرا می‌شود روی: حدود 10^13 FLOPS تقریبی یک GPU بازی که هزاران عامل هدایت‌شونده را شبیه‌سازی می‌کند از: 1987 مدل boids کریگ رینولدز برای گله‌روی

[مدل تعاملی را اجرا کنید](https://simulation-hypothesis.com/fa/simulations/run#toy-flock)

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)کف: بدن‌ها

### ساخت تپهٔ موریانه

موریانه‌هایی که گلوله‌های خاک را می‌اندازند و جابه‌جا می‌کنند، و هوایی که از ساختاری که می‌سازند می‌گذرد.

پرسشی که پاسخ می‌دهد: حشراتی با مغز ریز چگونه برج‌های دارای تهویه می‌سازند؟

کنار می‌گذارد: رفتار واقعی موریانه به نشانه‌های شیمیایی و ساختاری بستگی دارد که فقط تا حدی گرفته می‌شوند.

اجرا می‌شود روی: حدود 10^12 FLOPS تقریبی خوشهٔ یک دانشگاه که موریانه‌های گلوله‌انداز و جریان هوا را شبیه‌سازی می‌کند از: 1999 مدل‌های استیگمرجیک بونابو و ترولاز از ساخت‌وساز موریانه

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)[میدان‌های پیوسته](https://simulation-hypothesis.com/fa/simulations/methods#m-continuum)کف: بدن‌ها

### تجمع کپک لجنی

آمیب‌های آزادزی که سیگنالی شیمیایی رها می‌کنند و دنبالش می‌روند تا وقتی غذا تمام می‌شود در یک بدن شبیه حلزون بی‌صدف جمع شوند.

پرسشی که پاسخ می‌دهد: سلول‌های مستقل بدون دستگاه عصبی چگونه توافق می‌کنند که یک بدن شوند؟

کنار می‌گذارد: شرایط آزمایشگاه بسیار تمیزتر از خاکی است که جاندار واقعی در آن زندگی می‌کند.

اجرا می‌شود روی: حدود 10^12 FLOPS تقریبی ایستگاه کاری رومیزی که مدل تجمع شیمیاگرایی را اجرا می‌کند از: 1970 مدل کلر و زیگل از تجمع شیمی‌گرایانهٔ کپک لزج

[خودکارهای سلولی](https://simulation-hypothesis.com/fa/simulations/methods#m-cellular-automata)[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)کف: سلول‌ها

### ازدحام باکتری و حس حد نصاب

میلیون‌ها باکتری که سیگنال‌های شیمیایی یکدیگر را حس می‌کنند تا با هم به رفتاری هماهنگ، مثل گسترش روی یک سطح یا نورافشانی، تغییر وضع دهند.

پرسشی که پاسخ می‌دهد: یک جمعیت باکتری چگونه می‌فهمد که آن‌قدر زیاد است که با هم عمل کند؟

کنار می‌گذارد: سویه‌های آزمایشگاهی که در ظرف رشد می‌کنند یکنواخت‌تر از یک اجتماع میکروبی مختلط واقعی رفتار می‌کنند.

اجرا می‌شود روی: حدود 10^12 FLOPS تقریبی ایستگاه کاری رومیزی که مدل کلونی عامل‌محور را اجرا می‌کند از: 1994 نخستین شبیه‌سازی‌های مدارهای حس حد نصاب که رفتار باکتری را هماهنگ می‌کنند

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)[میدان‌های پیوسته](https://simulation-hypothesis.com/fa/simulations/methods#m-continuum)کف: سلول‌ها

### دسته‌های رژه‌رو از ملخ‌ها

حشرات منفرد در تراکم بالا با همسایگان هم‌جهت می‌شوند و گروه‌ها شروع به رژه در یک جهت مشترک می‌کنند.

پرسشی که پاسخ می‌دهد: در چه چگالی‌ای ملخ‌ها از پرسه‌زنی تصادفی به راه‌پیمایی می‌گذرند؟

کنار می‌گذارد: ساختار زیستگاه و غذا لحاظ نشده است و گروه‌های واقعی پرواز هم دارند.

اجرا می‌شود روی: حدود 10^7 FLOPS تقریبی شبیه‌سازی ذرهٔ خودپیشران روی یک ایستگاه کاری. از: 2006 بوهل و همکارانش، از بی‌نظمی تا نظم در ملخ‌های در حال راه‌پیمایی. [منبع](https://doi.org/10.1126/science.1125142)

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)[ذرات و N-جسم](https://simulation-hypothesis.com/fa/simulations/methods#m-particles)کف: جمعیت‌ها

## جانوران منفرد

### حرکت و خوراک‌جویی

جانورانی که در چشم‌اندازی دنبال غذا می‌گردند، با مدل گام تصادفی و قواعد تصمیم.

پرسشی که پاسخ می‌دهد: آیا این جانور کارآمد جست‌وجو می‌کند و دربارهٔ محل غذا چه می‌داند؟

کنار می‌گذارد: برازش یک آمارهٔ گام تصادفی ثابت نمی‌کند جانور واقعاً چه چیزی را حس می‌کند.

اجرا می‌شود روی: حدود 10^11 FLOPS تقریبی ایستگاه کاری رومیزی که مدل خوراک‌جویی گام تصادفی را برازش می‌دهد از: 1996 مدل پرواز لوی برای غذایابی آلباتروس از Viswanathan و همکاران

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)کف: بدن‌ها

### مهاجرت و ناوبری

پرندگان، لاک‌پشت‌ها یا نهنگ‌هایی که هزاران کیلومتر را با خورشید، ستاره، بو یا میدان مغناطیسی می‌پیمایند.

پرسشی که پاسخ می‌دهد: چه نشانه‌هایی می‌تواند یک پرندهٔ سال اول را به قارهٔ درست برساند؟

کنار می‌گذارد: اینکه جانوران واقعی به چه نشانه‌هایی تکیه می‌کنند و چگونه ترکیبشان می‌کنند، همچنان محل بحث است.

اجرا می‌شود روی: حدود 10^11 FLOPS تقریبی ایستگاه کاری رومیزی که مسیریابی پرندگان بر پایهٔ نشانه‌ها را شبیه‌سازی می‌کند از: 1996 نخستین شبیه‌سازی‌های استفاده از نشانه‌های مغناطیسی و آسمانی در مسیریابی پرندگان

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)کف: بدن‌ها

### حرکت جانوران

شنای ماهی، پرواز حشرات و دویدن جانوران، با سیال یا زمینی که پس می‌زند.

پرسشی که پاسخ می‌دهد: یک بومبوس چگونه پرواز می‌کند و چرا ماهی‌ها در آرایش گروهی شنا می‌کنند؟

کنار می‌گذارد: شکل بال و بدن ساده‌شده جزئیاتی را که سطوح یک جانور واقعی دارد از دست می‌دهد.

اجرا می‌شود روی: حدود 10^14 FLOPS تقریبی خوشهٔ یک دانشگاه که شبیه‌سازی پرواز یا شنای جسم-سیال را اجرا می‌کند از: 1994 نخستین مدل‌های دینامیک سیالات پرواز حشرات

[میدان‌های پیوسته](https://simulation-hypothesis.com/fa/simulations/methods#m-continuum)[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)کف: میدان‌ها

### تکامل رفتار

راهبردهایی مثل جنگیدن، تقسیم‌کردن یا فریب‌دادن که طی نسل‌های بسیار علیه هم بازی می‌شوند.

پرسشی که پاسخ می‌دهد: چرا یک جانور هرگز به همسایه‌ای غیرخویشاوند کمک می‌کند؟

کنار می‌گذارد: راهبردها از فهرستی می‌آیند که مدل‌ساز برگزیده، نه از کل فضای رفتار.

اجرا می‌شود روی: حدود 10^11 FLOPS تقریبی ایستگاه کاری رومیزی که مسابقهٔ بازی تکاملی را اجرا می‌کند از: 1981 تکامل شبیه‌سازی‌شدهٔ راهبردهای همکاری از اکسلرود و همیلتون

[نظریهٔ بازی‌ها](https://simulation-hypothesis.com/fa/simulations/methods#m-game-theory)[تکاملی](https://simulation-hypothesis.com/fa/simulations/methods#m-evolutionary)کف: بدن‌ها

### مدل‌های آواز پرندگان و یادگیری آوایی

مدار مغزی پرندهٔ جوان برای تقلید آواز آموزگارش، که به‌صورت حلقه‌ای حسی-حرکتی مدل شده و ورّ زدن خودش را با الگویی حفظ‌شده می‌سنجد.

پرسشی که پاسخ می‌دهد: یک پرندهٔ جوان چگونه جیک‌جیک ابتدایی را به نسخهٔ دقیق آواز یک پرندهٔ بالغ تبدیل می‌کند؟

کنار می‌گذارد: مدل‌هایی که برای توضیح مرغان آوازخوان ساخته شده‌اند آشکارا به آوازگری در جانوران دیگر تعمیم نمی‌یابند.

اجرا می‌شود روی: حدود 10^12 FLOPS تقریبی ایستگاه کاری رومیزی که مدل یادگیری حسی-حرکتی را آموزش می‌دهد از: 2002 نخستین مدل‌های محاسباتی آموزش آواز در سهرهٔ زبرا

[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)[تقلیدگرهای آموخته‌شده](https://simulation-hypothesis.com/fa/simulations/methods#m-learned)کف: قاعده‌ها

### مدل‌سازی بودجهٔ انرژی پویا

بودجهٔ انرژی کامل یک جانور در طول عمرش: چه می‌خورد و چگونه میان زنده‌ماندن، رشد و تولیدمثل تقسیم می‌شود.

پرسشی که پاسخ می‌دهد: این جانور با یک عرضهٔ غذا و یک دمای معین چگونه رشد و تولیدمثل می‌کند؟

کنار می‌گذارد: مجموعه‌ای کوچک از پارامترهای جهانی نمی‌تواند ویژگی‌های ویژهٔ هر گونه را در بر بگیرد.

اجرا می‌شود روی: حدود 10^10 FLOPS تقریبی ایستگاه کاری رومیزی که مجموعهٔ کوچکی از معادلات شارش انرژی را حل می‌کند از: 1986 نظریهٔ بودجهٔ انرژی پویای کویمان برای جانداران منفرد

[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)کف: بدن‌ها

## جمعیت‌ها و بوم‌سامانه‌ها

### دینامیک شکارچی-طعمه

شمار شکارچیان و شکارها که در چرخه‌هایی به‌هم‌پیوسته بالا و پایین می‌رود، معادلات لوتکا-ولترا و نوادگانشان.

پرسشی که پاسخ می‌دهد: چرا جمعیت سیاه‌گوش و خرگوش به‌صورت چرخه‌ای نوسان می‌کند؟

کنار می‌گذارد: جمعیت‌های واقعی ساختار سنی، فضا و چند طعمه دارند که مدل نادیده می‌گیرد.

اجرا می‌شود روی: حدود 10^9 FLOPS تقریبی لپ‌تاپی که معادلات لوتکا-ولترا را حل می‌کند از: 1925 معادلات شکارچی-طعمهٔ لوتکا و ولترا

[مدل تعاملی را اجرا کنید](https://simulation-hypothesis.com/fa/simulations/run#toy-wator)

[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)کف: جمعیت‌ها

### شبکه‌های غذایی

در یک اکوسیستم کامل چه کسی چه کسی را می‌خورد، و انرژی چگونه در آن حرکت می‌کند.

پرسشی که پاسخ می‌دهد: اگر یک گونه ناپدید شود، چه بر سر بقیهٔ سامانه می‌آید؟

کنار می‌گذارد: پیوندهای تغذیه‌ای واقعی از آنچه شبکه‌های مدل فرض می‌کنند دشوارتر اندازه‌گیری می‌شوند.

اجرا می‌شود روی: حدود 10^10 FLOPS تقریبی ایستگاه کاری رومیزی که پایداری شبکهٔ غذایی یک مدل را تحلیل می‌کند از: 1972 تحلیل پایداری رابرت می از شبکه‌های غذایی مدل

[مدل‌های شبکه‌ای](https://simulation-hypothesis.com/fa/simulations/methods#m-network)[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)کف: جمعیت‌ها

### پویایی جنگل

درخت‌های منفرد که جوانه می‌زنند، برای نور رقابت می‌کنند و در طول سده‌ها می‌میرند.

پرسشی که پاسخ می‌دهد: این جنگل دویست سال دیگر چه شکلی خواهد داشت؟

کنار می‌گذارد: اینکه یک گونهٔ درختی به اقلیم در حال تغییر چگونه پاسخ می‌دهد هنوز به‌سختی واسنجی می‌شود.

اجرا می‌شود روی: حدود 10^13 FLOPS تقریبی خوشهٔ یک دانشگاه که درختان منفرد را در قرن‌ها پیگیری می‌کند از: 1970 مدل شکاف جنگل JABOWA از بوتکین، جاناک و والیس برای توالی جنگلی

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)کف: بدن‌ها

### مدیریت شیلات و حیات وحش

ذخایر ماهی یا جانور زیر برداشت، با زادوولد، رشد و عدم‌قطعیت.

پرسشی که پاسخ می‌دهد: هر سال چند تا را می‌توان صید کرد بی‌آنکه جمعیت فروبپاشد؟

کنار می‌گذارد: ارزیابی ذخایر به داده‌های صید وابسته است که می‌تواند ناقص یا نادرست گزارش شده باشد.

اجرا می‌شود روی: حدود 10^11 FLOPS تقریبی ایستگاه کاری رومیزی که مدل ارزیابی ذخایر را اجرا می‌کند از: 1957 مدل پویای بیورتون و هولت از جمعیت ماهی‌های صیدشده

[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)[مونت‌کارلو](https://simulation-hypothesis.com/fa/simulations/methods#m-monte-carlo)کف: جمعیت‌ها

### گسترهٔ گونه‌ها

گونه‌ها کجا می‌توانند زندگی کنند، و با تغییر اقلیم گسترهٔ آن‌ها چگونه جابه‌جا می‌شود.

پرسشی که پاسخ می‌دهد: این گونه پنجاه سال دیگر کجا می‌تواند زنده بماند؟

کنار می‌گذارد: فرض می‌کند اقلیم محدودیت اصلی گسترهٔ زیست است، و رقابت و پراکنش را دست‌کم می‌گیرد.

اجرا می‌شود روی: حدود 10^11 FLOPS تقریبی ایستگاه کاری رومیزی که مدل گسترهٔ زیست‌اقلیمی را برازش می‌دهد از: 1986 نخستین مدل‌های پوشش زیست‌اقلیمی که پراکنش گونه‌ها را پیش‌بینی می‌کردند

[خودکارهای سلولی](https://simulation-hypothesis.com/fa/simulations/methods#m-cellular-automata)[مونت‌کارلو](https://simulation-hypothesis.com/fa/simulations/methods#m-monte-carlo)کف: جمعیت‌ها

### بیماری حیات وحش

عفونتی که در جمعیت‌های جانوری حرکت می‌کند و گاهی به انسان‌ها سرایت می‌کند.

پرسشی که پاسخ می‌دهد: آیا این بیماری می‌تواند جمعیت را نابود کند، و آیا طعمهٔ واکسیناسیون می‌تواند آن را متوقف کند؟

کنار می‌گذارد: نرخ تماس میان جانوران وحشی را به‌سختی می‌توان مستقیم مشاهده کرد.

اجرا می‌شود روی: حدود 10^12 FLOPS تقریبی خوشهٔ یک دانشگاه که گسترش بیماری را در یک جمعیت وحشی شبیه‌سازی می‌کند از: 1991 نخستین مدل‌های شبیه‌سازی گسترش هاری در جمعیت روباه‌ها

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)[مدل‌های شبکه‌ای](https://simulation-hypothesis.com/fa/simulations/methods#m-network)کف: بدن‌ها

### مدل‌های عمومی بوم‌سازگان

مدلی سازوکارمحور که در آن هر نوع موجود، از پلانکتون تا جانوران بزرگ، با قواعد مشترک در سراسر جهان می‌خورد، رشد می‌کند، تولیدمثل می‌کند و پراکنده می‌شود.

پرسشی که پاسخ می‌دهد: آیا الگوهای جهانی ساختار بوم‌سازگان می‌توانند از قواعد موجودات منفرد پدیدار شوند؟

کنار می‌گذارد: گونه‌های منفرد دنبال نمی‌شوند، فقط گروه‌های کارکردی.

اجرا می‌شود روی: حدود 10^14 FLOPS تقریبی اجراهای جهانی همگروهی برای سال‌های شبیه‌سازی‌شدهٔ بسیار از: 2014 Emergent global patterns of ecosystem structure and function from a mechanistic general ecosystem model (2014) [منبع](https://doi.org/10.1371/journal.pbio.1001841)

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)کف: جمعیت‌ها

### دینامیک فراجمعیت

گونه‌ای در تکه‌زیستگاه‌های بسیار در یک چشم‌انداز زندگی می‌کند، در بعضی منقرض می‌شود و در بعضی دیگر دوباره مستقر می‌شود، و مدل می‌پرسد آیا کل آن دوام می‌آورد.

پرسشی که پاسخ می‌دهد: آیا یک گونه در یک چشم‌انداز تکه‌تکه‌شده زنده می‌ماند؟

کنار می‌گذارد: پراکنش با هسته‌ای ساده نمایش داده می‌شود و کیفیت زیستگاه محلی ثابت نگه داشته می‌شود.

اجرا می‌شود روی: حدود 10^8 FLOPS تقریبی شبیه‌سازی اشغال وصله روی یک لپ‌تاپ. از: 1994 هانسکی، مدلی کاربردی از دینامیک فراجمعیت. [منبع](https://doi.org/10.2307/5591)

[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)کف: جمعیت‌ها

### مدل‌های بوم‌شناختی فردمحور

هر گیاه یا جانور جداگانه با حالت خودش نمایش داده می‌شود، تا الگوهای جمعیتی از زندگی‌های فردی بسیار پدید آیند.

پرسشی که پاسخ می‌دهد: چه الگوهای جمعیتی از برهم‌کنش فردها پدید می‌آیند؟

کنار می‌گذارد: پارامترهای هر فرد را سخت می‌توان اندازه گرفت و اعتبارسنجی دشوار است.

اجرا می‌شود روی: حدود 10^9 FLOPS تقریبی شبیه‌سازی فردمحور یک چشم‌انداز روی یک ایستگاه کاری. از: 1988 هوستون، دی‌آنجلیس و پست، مدل‌های رایانه‌ای جدید نظریهٔ بوم‌شناسی را یکپارچه می‌کنند. [منبع](https://doi.org/10.2307/1310870)

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)کف: جمعیت‌ها

### مدل‌های تاب‌آوری صخرهٔ مرجانی

مرجان‌ها، جلبک‌ها و ماهی‌های چرنده روی صخره با رشد، چرا و آشفتگی رقابت می‌کنند، و مدل می‌پرسد آیا صخره می‌تواند ناگهان از حالت مرجانی به حالت جلبکی بچرخد.

پرسشی که پاسخ می‌دهد: چقدر چرا جلوی لغزیدن یک صخرهٔ مرجانی به سمت جلبک را می‌گیرد؟

کنار می‌گذارد: عرضهٔ لارو و اثر گرمایش به شیوه‌های ساده‌شده مدل می‌شوند.

اجرا می‌شود روی: حدود 10^8 FLOPS تقریبی شبیه‌سازی‌های فضایی صخرهٔ مرجانی روی یک ایستگاه کاری. از: 2007 مامبی، هستینگز و ادواردز، آستانه‌ها و تاب‌آوری صخره‌های مرجانی کارائیب. [منبع](https://doi.org/10.1038/nature06252)

[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)کف: جمعیت‌ها

### شبکه‌های فضایی میزبان-پارازیتوئید و آفت

میزبان‌ها و پارازیتوئیدها روی یک شبکه زندگی می‌کنند و حرکت محلی دارند، و الگوهای مارپیچی و آشوبناک پیچیده‌ای پدید می‌آید که برهم‌کنش‌های ناپایدار را پایدار می‌کند.

پرسشی که پاسخ می‌دهد: آیا وجود فضا می‌تواند شکارچی و شکار را به هم‌زیستی برساند، در حالی که بدون آن نمی‌توانستند هم‌زیست باشند؟

کنار می‌گذارد: چشم‌اندازهای واقعی شبکه‌های یکنواخت نیستند.

اجرا می‌شود روی: حدود 10^6 FLOPS تقریبی شبکه‌های نگاشت جفت‌شده روی یک لپ‌تاپ. از: 1991 هاسل، کومینز و می، ساختار فضایی و آشوب در دینامیک جمعیت حشرات. [منبع](https://doi.org/10.1038/353255a0)

[خودکارهای سلولی](https://simulation-hypothesis.com/fa/simulations/methods#m-cellular-automata)[نظریهٔ میدان شبکه‌ای](https://simulation-hypothesis.com/fa/simulations/methods#m-lattice)کف: جمعیت‌ها

### ارزیابی راهبرد مدیریت شیلات

ذخیرهٔ ماهی شبیه‌سازی‌شده و صیدش زیر قواعد برداشت گوناگون اجرا می‌شود، با داده‌های پرنوفه و عدم‌قطعیتی که به هر قاعده برمی‌گردد، تا قواعدی بیابد که با وجود خطا کار می‌کنند.

پرسشی که پاسخ می‌دهد: وقتی اندازهٔ یک ذخیره را نمی‌دانیم، کدام قاعدهٔ برداشت آن را سالم نگه می‌دارد؟

کنار می‌گذارد: مدل‌های عملیاتی بر فرض‌هایی دربارهٔ زیست‌شناسی ذخایر و صیادان تکیه دارند که ممکن است نادرست باشند.

اجرا می‌شود روی: حدود 10^9 FLOPS تقریبی هزاران برون‌یابی مدیریتی شبیه‌سازی‌شده روی یک خوشه. از: 1999 باترورث و پانت، تجربه‌ها در ارزیابی و اجرای رویه‌های مدیریت. [منبع](https://doi.org/10.1006/jmsc.1999.0532)

[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)[مونت‌کارلو](https://simulation-hypothesis.com/fa/simulations/methods#m-monte-carlo)کف: جمعیت‌ها

### مدل‌های اکوسیستم بر پایهٔ موازنهٔ جرم تغذیه‌ای

شبکهٔ غذایی دریایی به‌صورت جریان‌های متعادل زیست‌توده میان گروه‌ها توصیف می‌شود و در طول زمان اجرا می‌شود تا اثر صید یا تغییر در شکارچیان دیده شود.

پرسشی که پاسخ می‌دهد: وقتی یک گونه بیشتر صید شود، چه بر سر کل اکوسیستم می‌آید؟

کنار می‌گذارد: گروه‌ها یکی شده‌اند و داده‌های رژیم غذایی پراکنده‌اند.

اجرا می‌شود روی: حدود 10^7 FLOPS تقریبی اجراهای توازن و پویا در زمان روی یک لپ‌تاپ. از: 1997 Walters، Christensen و Pauly، ساختاردهی مدل‌های پویای اکوسیستم‌های بهره‌برداری‌شده از ارزیابی‌های موازنهٔ جرم تغذیه‌ای. [منبع](https://doi.org/10.1023/a:1018479526149)

[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)[دینامیک سامانه‌ها](https://simulation-hypothesis.com/fa/simulations/methods#m-system-dynamics)کف: جمعیت‌ها

### مدل‌های بوم‌سامانهٔ پلانکتون

مواد مغذی، فیتوپلانکتون، زئوپلانکتون و خرده‌ریز در لایهٔ سطحی اقیانوس با رشد، چرا و ته‌نشینی به هم پیوند خورده‌اند.

پرسشی که پاسخ می‌دهد: تولید پلانکتون به نور، مواد مغذی و آمیختگی چگونه پاسخ می‌دهد؟

کنار می‌گذارد: گونه‌های بسیار در چند گروه یکی شده‌اند و پارامترها از منطقه‌ای به منطقه‌ای فرق می‌کنند.

اجرا می‌شود روی: حدود 10^10 FLOPS تقریبی جفت‌شده با مدل‌های گردش اقیانوس روی یک خوشه. از: 1990 فشام، داکلو و مک‌کلوی، مدلی مبتنی بر نیتروژن از پویایی پلانکتون در لایهٔ آمیختهٔ اقیانوسی. [منبع](https://doi.org/10.1357/002224090784984678)

[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)[دینامیک سامانه‌ها](https://simulation-hypothesis.com/fa/simulations/methods#m-system-dynamics)کف: جمعیت‌ها

### مدل‌های بارورسازی بیش‌ازحد دریاچه

مواد مغذی، جلبک، گیاهان و ماهی‌ها در یک دریاچهٔ کم‌عمق مدل می‌شوند تا پرسیده شود آب زلال کی به کدر برمی‌گردد و چگونه می‌توان احیایش کرد.

پرسشی که پاسخ می‌دهد: یک دریاچه پیش از کدر شدن چقدر مواد مغذی را می‌تواند تحمل کند و آیا احیا آن را برمی‌گرداند؟

کنار می‌گذارد: هر دریاچه واسنجی خودش را می‌خواهد و دینامیک رسوب نامطمئن است.

اجرا می‌شود روی: حدود 10^7 FLOPS تقریبی معادلات دیفرانسیل معمولی روی یک لپ‌تاپ. از: 1995 یانسه و فان لیره، PCLake، ابزاری مدل‌سازی برای ارزیابی سناریوهای احیای دریاچه. [منبع](https://doi.org/10.2166/wst.1995.0332)

[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)[دینامیک سامانه‌ها](https://simulation-hypothesis.com/fa/simulations/methods#m-system-dynamics)کف: جمعیت‌ها

### پراکندگی لارو دریایی و همبندی

لارو مجازی از صخره‌ها رها می‌شود و با جریان‌های اقیانوسی مدل‌شده حمل می‌شود، و نقشه‌ای می‌سازد از اینکه کدام جمعیت‌ها کدام جمعیت‌های دیگر را تأمین می‌کنند.

پرسشی که پاسخ می‌دهد: کدام صخره‌ها کدام را بذرافشانی می‌کنند، و یک منطقهٔ حفاظت‌شده چقدر باید بزرگ باشد؟

کنار می‌گذارد: رفتار و مرگ‌ومیر لارو کم مشاهده شده است.

اجرا می‌شود روی: حدود 10^12 FLOPS تقریبی ردیابی ذره در خروجی مدل اقیانوس روی یک خوشه. از: 2006 کوئن و همکارانش، مقیاس‌بندی اتصال‌پذیری در جمعیت‌های دریایی. [منبع](https://doi.org/10.1126/science.1122039)

[ذرات و N-جسم](https://simulation-hypothesis.com/fa/simulations/methods#m-particles)[میدان‌های پیوسته](https://simulation-hypothesis.com/fa/simulations/methods#m-continuum)[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)کف: جمعیت‌ها

### مدل‌های کلونی زنبور عسل و چشم‌انداز

نوزادان، کارگران و ذخیره‌های یک کلونی کامل زنبور عسل روز به روز شبیه‌سازی می‌شوند، با کارگرانی که از گل‌های سراسر چشم‌انداز غذا جمع می‌کنند و با کنه، سم و آب‌وهوا روبه‌رو می‌شوند.

پرسشی که پاسخ می‌دهد: آیا این کلنی در این چشم‌انداز از زمستان جان به در می‌برد؟

کنار می‌گذارد: عرضهٔ گل در چشم‌انداز و تصمیم‌های زنبورها ساده شده‌اند، و ازدست‌رفتن ملکه و بیماری فقط خام در نظر گرفته می‌شوند.

اجرا می‌شود روی: حدود 10^9 FLOPS تقریبی دقیقه برای هر سال کلونی روی یک لپ‌تاپ. از: 2014 مدل BEEHAVE بِکِر و همکارانش از پویایی کلونی زنبور عسل و خوراک‌جویی. [منبع](https://doi.org/10.1111/1365-2664.12222)

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)[دینامیک سامانه‌ها](https://simulation-hypothesis.com/fa/simulations/methods#m-system-dynamics)کف: جمعیت‌ها

### خدمات گرده‌افشانی در چشم‌اندازها

جای لانهٔ زنبور وحشی و منابع گل در یک چشم‌انداز نقشه می‌شود، و برای هر مزرعهٔ محصول برآوردی از گرده‌افشان‌های بازدیدکننده داده می‌شود.

پرسشی که پاسخ می‌دهد: زیستگاه پیرامون چقدر از گرده‌افشانی محصول را تأمین می‌کند و اگر برداشته شود چه می‌شود؟

کنار می‌گذارد: خوراک‌جویی زنبور به افت فاصله از کندو فروکاسته شده، و فراوانی زنبور راهنمای ضعیفی برای محصول واقعی است.

اجرا می‌شود روی: حدود 10^8 FLOPS تقریبی ثانیه تا دقیقه برای هر منطقه روی یک لپ‌تاپ. از: 2009 مدل لونسدورف و همکارانش از خدمات گرده‌افشانی در چشم‌اندازهای کشاورزی. [منبع](https://doi.org/10.1093/aob/mcp069)

[میدان‌های پیوسته](https://simulation-hypothesis.com/fa/simulations/methods#m-continuum)[قاعده‌ها و حالت‌ها](https://simulation-hypothesis.com/fa/simulations/methods#m-rules)کف: میدان‌ها

### مدل‌های پراکنش بذر و گرده با باد

دانه‌ها و گرده‌هایی که در هوای آشفته رها می‌شوند، در جهت باد برده می‌شوند و تصادفی می‌افتند و توزیعی از محل فرودشان می‌سازند.

پرسشی که پاسخ می‌دهد: دانه‌های یک گیاه تا کجا می‌روند و گیاه با چه سرعتی می‌تواند پخش شود؟

کنار می‌گذارد: جهش‌های بلند نادر برای گسترش از همه مهم‌ترند اما سخت‌ترین اندازه‌گیری‌اند، پس دم توزیع کم شناخته است.

اجرا می‌شود روی: حدود 10^8 FLOPS تقریبی دقیقه روی یک لپ‌تاپ. از: 1989 چارچوب نظری اوکوبو و لوین برای تحلیل داده‌های پراکندگی بادی دانه و گرده. [منبع](https://doi.org/10.2307/1937537)

[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)[میدان‌های پیوسته](https://simulation-hypothesis.com/fa/simulations/methods#m-continuum)کف: میدان‌ها

### پیش‌بینی بوم‌شناختی کوتاه‌مدت

مدل بوم‌سازگان از چند روز تا چند سال پیش برده می‌شود و هر بار که مشاهدات تازه برسند به‌روز می‌شود، مثل پیش‌بینی هوا.

پرسشی که پاسخ می‌دهد: آیا می‌توان وضعیت دریاچه، جنگل یا شیلات را در فصل بعد با نوار خطای صادقانه پیش‌بینی کرد؟

کنار می‌گذارد: داده‌های بوم‌شناختی در مقایسه با داده‌های هوا اندک‌اند و فرایندها کمتر شناخته‌اند، پس پیش‌بینی‌ها اغلب به‌زحمت از یک مبنای ساده بهتر می‌شوند.

اجرا می‌شود روی: حدود 10^12 FLOPS تقریبی مجموعه‌هایی از هزاران اجرا که روی یک خوشه تازه می‌شوند. از: 2018 چارچوب دیتزه و همکارانش برای پیش‌بینی بوم‌شناختی تکراری در کوتاه‌مدت. [منبع](https://doi.org/10.1073/pnas.1710231115)

[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)[دینامیک سامانه‌ها](https://simulation-hypothesis.com/fa/simulations/methods#m-system-dynamics)[مونت‌کارلو](https://simulation-hypothesis.com/fa/simulations/methods#m-monte-carlo)کف: جمعیت‌ها

### مدل‌های بوم‌سامانهٔ طیف اندازه

همهٔ موجودات یک بوم‌سازگان که بر پایهٔ اندازهٔ بدن گروه‌بندی شده‌اند، با انرژی که هنگام خوردن و خورده شدن از کوچک به بزرگ می‌رود، و رشد و مرگ‌ومیر فقط با اندازه تعیین می‌شود.

پرسشی که پاسخ می‌دهد: فشار صید چگونه توازن ماهی‌های کوچک و بزرگ را در دریا دگرگون می‌کند؟

کنار می‌گذارد: هویت گونه نادیده گرفته می‌شود، پس شکارچیان هم‌اندازه با رژیم غذایی متفاوت یکسان به‌حساب می‌آیند.

اجرا می‌شود روی: حدود 10^9 FLOPS تقریبی دقیقه تا ساعت روی یک ایستگاه کاری. از: 1978 معادلهٔ وابسته به زمان سیلورت و پلات برای شار انرژی در بوم‌سامانهٔ دریاباز بر حسب اندازه. [منبع](https://doi.org/10.4319/lo.1978.23.4.0813)

[میدان‌های پیوسته](https://simulation-hypothesis.com/fa/simulations/methods#m-continuum)[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)[دینامیک سامانه‌ها](https://simulation-hypothesis.com/fa/simulations/methods#m-system-dynamics)کف: جمعیت‌ها

### مدل‌های اجتماع خنثی

جامعه‌ای از گونه‌ها که در زادوولد، مرگ و پراکنش یکسان فرض می‌شوند و فقط شانس و مهاجرت تعیین می‌کنند کدام فراوان باشند.

پرسشی که پاسخ می‌دهد: چه مقدار از الگوی فراوانی گونه‌ها اصلاً به تفاوتی میانشان نیاز ندارد؟

کنار می‌گذارد: گونه‌های واقعی آشکارا فرق دارند، پس مدل مثل یک خط پایهٔ تهی کار می‌کند نه توصیف هیچ اجتماع واحدی.

اجرا می‌شود روی: حدود 10^9 FLOPS تقریبی دقیقه روی یک لپ‌تاپ. از: 1976 تحلیل مدل خنثی ساختار جامعه از کاسول. [منبع](https://doi.org/10.2307/1942257)

[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)[مونت‌کارلو](https://simulation-hypothesis.com/fa/simulations/methods#m-monte-carlo)[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)کف: جمعیت‌ها

## تکامل

### ژنتیک جمعیت

گونه‌های ژنی که در نسل‌ها رانش می‌کنند، جهش می‌یابند و گزینش می‌شوند.

پرسشی که پاسخ می‌دهد: چقدر از تغییراتی که می‌بینیم شانس است و چقدر انتخاب؟

کنار می‌گذارد: جمعیت‌های واقعی فرض‌های ساده‌کنندهٔ آمیزش تصادفی و اندازهٔ ثابت را نقض می‌کنند.

اجرا می‌شود روی: حدود 10^12 FLOPS تقریبی خوشهٔ یک دانشگاه که رانش و انتخاب را در سراسر یک ژنوم شبیه‌سازی می‌کند از: 1964 نخستین شبیه‌سازی‌های رایانه‌ای رانش ژنتیکی در نظریهٔ خنثی

[مونت‌کارلو](https://simulation-hypothesis.com/fa/simulations/methods#m-monte-carlo)[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)کف: جمعیت‌ها

### شبیه‌سازی همایانی و تبارزایشی

درخت‌های خانوادگی ژن‌ها یا گونه‌ها، که به عقب در زمان شبیه‌سازی می‌شوند تا روش‌های خواندن دی‌ان‌ای واقعی آزموده شوند.

پرسشی که پاسخ می‌دهد: آیا روش می‌تواند تاریخچهٔ واقعی را از روی دی‌ان‌ای بازیابد؟

کنار می‌گذارد: تاریخچهٔ جمعیتی ساده‌ای را فرض می‌کند؛ جمعیت‌شناسی واقعی پیچیده‌تر است.

اجرا می‌شود روی: حدود 10^11 FLOPS تقریبی ایستگاه کاری رومیزی که درخت‌های ژنی را به‌صورت روبه‌عقب در زمان شبیه‌سازی می‌کند از: 1983 نرم‌افزار آغازین شبیه‌سازی هم‌آیی هادسون برای ژنتیک جمعیت

[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)کف: جمعیت‌ها

### خاستگاه حیات

مواد شیمیایی ساده که شبکه‌هایی می‌سازند که خودشان را کپی می‌کنند و رقابت می‌کنند.

پرسشی که پاسخ می‌دهد: شیمی چگونه می‌توانست از مرز عبور کند و به زیست‌شناسی برسد؟

کنار می‌گذارد: هیچ شبیه‌سازی هنوز چیزی تولید نکرده که زنده به حساب بیاید.

اجرا می‌شود روی: حدود 10^12 FLOPS تقریبی ایستگاه کاری رومیزی که شبکه‌های شیمیایی خودتکثیرشونده را شبیه‌سازی می‌کند از: 1971 مدل‌های ابرچرخهٔ آیگن و شوستر از شیمی خودتکثیرشونده

[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)[مدل‌های شبکه‌ای](https://simulation-hypothesis.com/fa/simulations/methods#m-network)کف: مولکول‌ها

### همتکاملی میزبان و انگل

میزبان‌هایی که دفاع می‌سازند و انگل‌هایی که راهی برای دور زدنش می‌یابند؛ جمعیت شبیه‌سازی‌شدهٔ هر نسل به دیگری پاسخ می‌دهد، در یک مسابقهٔ تسلیحاتی مدل‌شده که برندهٔ ثابتی ندارد.

پرسشی که پاسخ می‌دهد: آیا مسابقهٔ تسلیحاتی میزبان-انگل به تعادل می‌رسد، یا بی‌پایان ادامه می‌یابد بی‌آنکه هیچ طرفی برتری پایدار بیابد؟

کنار می‌گذارد: میزبان‌ها و انگل‌های واقعی هم‌زمان با هر چیز دیگر در محیطشان همتکامل می‌یابند.

اجرا می‌شود روی: حدود 10^11 FLOPS تقریبی ایستگاه کاری رومیزی که مدل همتکاملی چندنسلی را اجرا می‌کند از: 1990 نخستین شبیه‌سازی‌هایی که فرضیهٔ ملکهٔ سرخ همتکاملی را آزمودند

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)[تکاملی](https://simulation-hypothesis.com/fa/simulations/methods#m-evolutionary)کف: جمعیت‌ها

### مدل‌های گونه‌زایی و ماکروتکامل

تبارهایی که در میلیون‌ها سال شبیه‌سازی‌شده شکافته می‌شوند، می‌مانند و منقرض می‌شوند، برای آزمودن اینکه قواعد ساده چه الگوهای تنوع و چه شکلی از درخت تبارنامه تولید می‌کردند.

پرسشی که پاسخ می‌دهد: آیا الگوی گونه‌هایی که می‌بینیم می‌توانست فقط از زاد و مرگ سادهٔ تبارها پدید آمده باشد؟

کنار می‌گذارد: ثبت‌های فسیلی و ژنتیکی تکه‌تکه‌اند، پس قواعد بسیار متفاوت می‌توانند همان الگو را برازش دهند.

اجرا می‌شود روی: حدود 10^10 FLOPS تقریبی ایستگاه کاری رومیزی که فرایندهای شاخه‌ای زاد-مرگ را شبیه‌سازی می‌کند از: 1969 نخستین مدل‌های زاد-مرگ تنوع‌یابی که برای مطالعهٔ درخت‌های تکاملی به کار رفتند

[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)[مونت‌کارلو](https://simulation-hypothesis.com/fa/simulations/methods#m-monte-carlo)کف: جمعیت‌ها

### انتخاب جنسی و تکامل گزینش جفت

جمعیتی شبیه‌سازی‌شده که در آن یک آرایه و ترجیح به آن با هم تکامل می‌یابند، تا آزموده شود آیا انتخاب مادگان به‌تنهایی می‌تواند صفت را بی‌مهار تا حد افراط پیش ببرد.

پرسشی که پاسخ می‌دهد: آیا فقط گزینش جفت می‌تواند صفتی را به حد افراطی پرهزینه و پرزرق‌وبرق برساند؟

کنار می‌گذارد: فرض می‌کند ترجیح و صفت به‌سادگی ارثی‌اند، که ساده‌تر از بیشتر گزینش جفت واقعی است.

اجرا می‌شود روی: حدود 10^10 FLOPS تقریبی ایستگاه کاری رومیزی که مدل ژنتیکی صفات جفت‌شده را اجرا می‌کند از: 1981 مدل ژنتیک جمعیت لانده از انتخاب جنسی بی‌مهار

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)[تکاملی](https://simulation-hypothesis.com/fa/simulations/methods#m-evolutionary)کف: جمعیت‌ها

### دینامیک تطبیقی همتکاملی

صفتی با جهش‌های کم‌اثر تکامل می‌یابد که در برابر جمعیت کنونی آزموده می‌شوند و به حالت‌های پایدار تکاملی می‌رسد یا به شاخه‌هایی می‌شکافد.

پرسشی که پاسخ می‌دهد: تکامل کجا می‌ایستد، و تبار کی دو شاخه می‌شود؟

کنار می‌گذارد: جهش‌های نادر و فضاهای صفت ساده را فرض می‌کند.

اجرا می‌شود روی: حدود 10^6 FLOPS تقریبی تحلیل و شبیه‌سازی روی یک لپ‌تاپ. از: 1996 دیکمان و لا، نظریهٔ دینامیکی همتکاملی که از فرایندهای بوم‌شناختی تصادفی به دست می‌آید. [منبع](https://doi.org/10.1007/bf02409751)

[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)[تکاملی](https://simulation-hypothesis.com/fa/simulations/methods#m-evolutionary)کف: قاعده‌ها

### مدل‌های جمعیت رانش ژنی

عنصری ژنتیکی که سریع‌تر از وراثت معمولی پخش می‌شود در جمعیتی مدل‌شده رها می‌شود تا پرسیده شود آیا می‌تواند یک گونهٔ آفت را سرکوب یا دگرگون کند.

پرسشی که پاسخ می‌دهد: آیا یک ژن‌درایو در یک جمعیت وحشی پخش می‌شود، و آیا مقاومت می‌تواند جلویش را بگیرد؟

کنار می‌گذارد: پراکندگی واقعی و تکامل مقاومت پیش از رهاسازی کم شناخته‌اند.

اجرا می‌شود روی: حدود 10^8 FLOPS تقریبی شبیه‌سازی‌های فضایی جمعیت با ژنتیک روی یک ایستگاه کاری. از: 2003 برت، ژن‌های خودخواه ویژهٔ جایگاه به‌عنوان ابزار کنترل و مهندسی ژنتیک جمعیت‌های طبیعی. [منبع](https://doi.org/10.1098/rspb.2002.2319)

[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)کف: جمعیت‌ها

### شبیه‌سازی ژنوم روبه‌جلو در زمان

هر فرد و ژنومش در نسل‌ها دنبال می‌شود، با انتخاب، پیوستگی و جمعیت‌شناسی متنوع، تا دیده شود الگوهای واقعی دی‌ان‌ای چگونه پدید می‌آیند.

پرسشی که پاسخ می‌دهد: انتخاب و تاریخ جمعیت چه چیزی در ژنوم یک گونه به جا می‌گذارد؟

کنار می‌گذارد: اندازهٔ جمعیت‌ها برای شدنی ماندن اجرا کاهش می‌یابد، که توازن انتخاب و رانش را مخدوش می‌کند.

اجرا می‌شود روی: حدود 10^14 FLOPS تقریبی چند روز روی یک خوشه برای جمعیتی بزرگ در نسل‌های بسیار. از: 2013 SLiM از مسر، شبیه‌ساز تکامل رو به جلو در زمان با انتخاب و پیوستگی. [منبع](https://doi.org/10.1534/genetics.113.152181)

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)[تکاملی](https://simulation-hypothesis.com/fa/simulations/methods#m-evolutionary)کف: جمعیت‌ها

### راهبردهای نزاع جانوران

افرادی که به‌صورت تصادفی برای یک منبع با هم روبه‌رو می‌شوند میان راهبردهای ثابت انتخاب می‌کنند، و ترکیب در جایی می‌نشیند که هیچ جهش‌یافته‌ای نتواند آن را بهتر کند.

پرسشی که پاسخ می‌دهد: با توجه به رفتار دیگران، کی جنگیدن سیاست بهتری است و کی عقب‌نشینی؟

کنار می‌گذارد: جانوران به فهرستی کوتاه از راهبردها فروکاسته می‌شوند، بدون یادگیری، حافظه یا تفاوت فردی.

اجرا می‌شود روی: حدود 10^6 FLOPS تقریبی ثانیه روی یک لپ‌تاپ. از: 1973 «The logic of animal conflict» از میناردسمیت و پرایس. [منبع](https://doi.org/10.1038/246015a0)

[نظریهٔ بازی‌ها](https://simulation-hypothesis.com/fa/simulations/methods#m-game-theory)[تکاملی](https://simulation-hypothesis.com/fa/simulations/methods#m-evolutionary)[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)کف: جمعیت‌ها

## حفاظت و طراحی ذخیره‌گاه

### تحلیل زیست‌پذیری جمعیت

زاد و مرگ و فاجعه‌های یک جمعیت کوچک و در معرض خطر بارها جلو برده می‌شود تا احتمال بقای آن و مدت بقایش برآورد شود.

پرسشی که پاسخ می‌دهد: این جمعیت چقدر احتمال دارد در صد سال آینده منقرض شود؟

کنار می‌گذارد: نمونه‌های کوچک از یک گونهٔ نادر، خود عددهای ورودی را بسیار نامطمئن باقی می‌گذارند.

اجرا می‌شود روی: حدود 10^10 FLOPS تقریبی ایستگاه کاری رومیزی که هزاران مسیر تصادفی را اجرا می‌کند از: 1980 نخستین مدل‌های تصادفی که خطر انقراض گونه‌های در معرض خطر را برآورد می‌کردند

[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)[مونت‌کارلو](https://simulation-hypothesis.com/fa/simulations/methods#m-monte-carlo)کف: جمعیت‌ها

### طراحی ذخیره‌گاه و کریدور

جایگاه‌های نامزد و پیوندهای میانشان با هزینه و گونه‌هایی که حفاظت می‌کنند امتیازدهی می‌شوند، و کوچک‌ترین شبکه‌ای از ذخیره‌گاه‌ها که بیشترین را پوشش دهد جست‌وجو می‌شود.

پرسشی که پاسخ می‌دهد: کدام مجموعه از قطعه‌های زمین بیشترین گونه را با کمترین هزینه حفاظت می‌کند؟

کنار می‌گذارد: برای داده‌های موجود از گونه‌ها بهینه می‌شود، که کسر کوچکی از آنچه واقعاً آنجا زندگی می‌کند است.

اجرا می‌شود روی: حدود 10^10 FLOPS تقریبی ایستگاه کاری رومیزی که بهینه‌سازی انتخاب مناطق حفاظت‌شده را حل می‌کند از: 1988 نخستین الگوریتم‌های نظام‌مند انتخاب ذخیره‌گاه برای برنامه‌ریزی حفاظت

[مونت‌کارلو](https://simulation-hypothesis.com/fa/simulations/methods#m-monte-carlo)[مدل‌های شبکه‌ای](https://simulation-hypothesis.com/fa/simulations/methods#m-network)کف: جمعیت‌ها

### برنامه‌ریزی بازمعرفی و انتقال

گروهی کوچک از بنیان‌گذاران که در زیستگاه تازه یا پیشین رها می‌شوند و در زمان به جلو دنبال می‌شوند تا معلوم شود با توجه به ظرفیت تحمل منطقه و ژنتیک بنیان‌گذاران مستقر می‌شوند یا نه.

پرسشی که پاسخ می‌دهد: آیا رهاسازی این جانوران در اینجا واقعاً جمعیتی پایدار برقرار می‌کند؟

کنار می‌گذارد: کیفیت زیستگاه و خطر بیماری در محل رهاسازی اغلب به‌صورت تقریبی برآورد می‌شود، نه اندازه‌گیری.

اجرا می‌شود روی: حدود 10^10 FLOPS تقریبی ایستگاه کاری رومیزی که مدل جمعیت بنیان‌گذار را اجرا می‌کند از: 1990 نخستین مدل‌های شبیه‌سازی که برای برنامه‌ریزی بازگرداندن یک پستاندار بزرگ به کار رفتند

[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)[فرایندهای تصادفی](https://simulation-hypothesis.com/fa/simulations/methods#m-stochastic)کف: بدن‌ها

### گسترش گونه‌های مهاجم

گونه‌ای معرفی‌شده که سلول‌به‌سلول در یک چشم‌انداز پخش می‌شود، و اثر مانع‌ها، امحا یا مهار زیستی بر اینکه تا کجا برسد.

پرسشی که پاسخ می‌دهد: این مهاجم با چه سرعتی پخش می‌شود و تلاش کنترل باید از کجا آغاز شود؟

کنار می‌گذارد: مهاجمان تازه اغلب به شیوه‌هایی پخش می‌شوند که هیچ هجوم پیشین مدل را برایش آماده نکرده است.

اجرا می‌شود روی: حدود 10^10 FLOPS تقریبی ایستگاه کاری رومیزی که مدل گسترش در سطح چشم‌انداز را اجرا می‌کند از: 1951 مدل پخش اسکلام از جمعیت در حال گسترش

[خودکارهای سلولی](https://simulation-hypothesis.com/fa/simulations/methods#m-cellular-automata)[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)کف: جمعیت‌ها

### بازی‌های شکار غیرقانونی و گشت ضدشکار

محیط‌بانان و شکارچیان غیرقانونی به‌عنوان بازیکنان یک بازی تکراری روی نقشهٔ یک منطقهٔ حفاظت‌شده، که برای تصمیم دربارهٔ محل گشت‌ها وقتی نمی‌توانند همه‌جا باشند به کار می‌رود.

پرسشی که پاسخ می‌دهد: گشت‌زنان محدود کجا باید گشت بزنند تا در برابر یک شکارچی غیرمجاز راهبردی بیشترین اثر را داشته باشند؟

کنار می‌گذارد: شکارچی غیرمجاز عاقل و صبور را فرض می‌کند، در حالی که بیشترشان فرصت‌طلب‌اند.

اجرا می‌شود روی: حدود 10^10 FLOPS تقریبی ایستگاه کاری رومیزی که بازی امنیتی روی نقشهٔ گشت را حل می‌کند از: 2014 نخستین مدل‌های بازی امنیتی که برای زمان‌بندی گشت محیط‌بانان حیات وحش به کار رفتند

[نظریهٔ بازی‌ها](https://simulation-hypothesis.com/fa/simulations/methods#m-game-theory)کف: قاعده‌ها

### مدل‌سازی بازوحشی‌سازی و آبشار تغذیه‌ای

شکارچی یا گونهٔ سنگ‌بنای دیگری که به شبکهٔ غذایی بازگردانده می‌شود و پیامدهای زنجیره‌ای‌اش بر شکار، پوشش گیاهی و حتی رودخانه‌ها دنبال می‌شود.

پرسشی که پاسخ می‌دهد: اگر این گونه را برگردانیم، چه بر سر بقیهٔ اکوسیستم می‌آید؟

کنار می‌گذارد: آبشارهای مشهور دهه‌ها طول کشیدند و پس از وقوع آسان‌تر مدل می‌شوند تا پیش‌بینی.

اجرا می‌شود روی: حدود 10^10 FLOPS تقریبی ایستگاه کاری رومیزی که مدل شبکهٔ غذایی چندگونه‌ای را اجرا می‌کند از: 1995 بازگرداندن گرگ‌ها به یلواستون، که بعداً برای اثرهای آبشاری مدل شد

[معادله‌های دیفرانسیل](https://simulation-hypothesis.com/fa/simulations/methods#m-equations)[عامل‌بنیاد](https://simulation-hypothesis.com/fa/simulations/methods#m-agent-based)کف: جمعیت‌ها

[◂ زندگی و پزشکی](https://simulation-hypothesis.com/fa/simulations/life-medicine)[کشاورزی و غذا ▸](https://simulation-hypothesis.com/fa/simulations/agriculture-food)