目錄

20200718 想法源起 20200719 我們在做什麼(一) 20200722 我們在做什麼(二) 20200725 竟然成為數學家(一) 20200729 竟然成為數學家(二) 20200801 竟然成為數學家(三) 20200805 不同職級(一) 20200808 不同職級(二) 20200812 趕客系列(一)為什麼讀大學? 20200815 趕客系列(二)不同大學學位跟工作的關係 20200819 趕客系列(三)大學的目的 20200822 趕客系列(四)大學為什麼要有主修 20200826 趕客系列(五)要挑選一個什麼樣的主修 20200829 沒有無緣無故的恨(一) 20200831 科普系列 - 數學與電影動畫製作(一) 20200902 沒有無緣無故的恨(二) 20200905 沒有無緣無故的恨(三) 20200907 科普系列 - 數學與電影動畫製作(二) 20200909 終身職位的評核 20200912 學術界吸引人的地方 20200914 科普系列 - 數學與電影動畫製作 (三) 20200916 學術界辛苦的地方(一) 20200919 學術界辛苦的地方(二) 20200921 科普系列 - 數學與電影動畫製作 (四) 20200923 大學的讀書成績有多重要 20200926 本科生研究機會 20200928 科普系列 - 數學與圖像修復(一) 20200930 用創新的方法去教育科學 20201003 參加研討會的重要 20201005 科普系列 - 數學與圖像修復(二) 20201007 教授與教學 20201010 研究是什麼(一) 20201012 科普系列 - 數學與圖像修復(三) 20201014 研究是什麼(二) 20201017 研究是什麼(三) 20201019 科普系列 - 數學與圖像修復(四) 20201021 如何閱讀研究論文 20201024 研究生應該修什麼課 20201026 科普系列 - 數學與圖像修復(五) 20201029 本科生的多主修多副修 20201102 科普系列 - 數學與數獨(一) 20201105 幾位教授(一) 20201109 科普系列 - 數學與數獨(二) 20201112 幾位教授(二) 20201116 科普系列 - 數學與數獨(三) 20201119 幾位教授(三) 20...

科普系列 - 數學、社會隔離與生命遊戲(二)




這個模型相當簡單。裏面只需要運用一些判斷(Conditioning)的技巧,經過時間的演變就會發覺隔離現象的出現。一般同學,都可以了解運作的原理,用一點點時間就可以編出一個電腦程式去模擬這個隔離的現象。


任何數學模型開始時都必須要清楚定義一些假設及設定。假設我們希望了解在社區內兩個不同群體的隔離現象。而我們有興趣的社區是一個在二維空間裏面的一個正方形區間(所以我們不會考慮一些40層高大廈,不同單位對整個社區的影響)。這個區間裏面都蓋滿了平房,道路都縱橫交錯,將整塊區域分隔成一小格一小格的。所以這塊土地,從高空看起來,就好像一張圖像似的。圖像內都是一個像素點,一個像素點的。每一個像素點就代表着一幢平房。平房裏面所住的家庭都用一個標籤界定。由於我們假設在這個社區內只有兩個不同的群體,我們就用標籤A跟標籤B表示這兩個不同的背景群體。所代表的,可能是貧與富,也可能是華人與白人,也可能是喜歡自由黨或喜歡民主黨的。標籤A和標籤B所真實表示的,在這個最簡化了的模型上面並不重要。到後面如果需要在這個模型上加以演變,標籤所代表的才會有少許分別。所以數學上,這個社區內所有的標籤,我們都可以用一個矩陣外表是,我們將它寫X(i,j)。這一個矩陣X裏面這個成員X(i,j),我們可以用1表示這個平房內的家庭有着標籤A,用2表示這個房間內家庭都有着標籤B。而如果這個房子還沒有成交,沒有人居住,我們就可以用0表示。




這裏是一個簡單的初始情況。假設我現在有一個100×100的區域。裏面40%的家庭標籤為A,另外40%的標籤為B。所以整個區域內有20%的房子是空着。剛開始的這個社區並沒有隔離現象,所以標籤A跟標籤B出現的地方都是隨機的。用圖像代表是,我用紅色畫出標籤A所在的像素點,用藍色代表着標籤B家庭住着的房子。而綠色的就是沒有人居住的地方。由於剛開始出現時,不同標籤出現的地方都是隨機,所以可以看見並沒有任何隔離現象的出現,分布都相當平均。紅色和藍色的都沒有聚在一起。


那隔離現象到底是如何出現的呢?Schelling指出,社區內的家庭只需要每人有對鄰居的喜好,隨着時間過去,家庭從一房子搬到另一個居住地方,隔離現象就會自動出現。而這個喜好本身並不需要非常強烈,只需要有那麼一點,我們就會看見不同群眾會自動聚在一起。


跟圖像處理那一系列文章一樣,我們也需要定義「鄰居」在這應用上的解釋。最簡單,我們可以用上下左右以及左上,右上,左下,和右下一共八間房子去定義「鄰居」。假設我現在看(i,j)這個地方,他的鄰居將會是這八個,(i-1,j-1), (i-1,j), (i-1,j+1), (i,j-1), (i,j+1), (i+1,j-1), (i+1,j), (i+1,j+1)。要去定義「喜好」最簡單的方法,就是看這八個鄰居有百分之多少是跟我自己的標籤一樣。如果這個百分比太少,我就會搬離這個房子到其他地方居住。那如何定義「太少」呢?最簡單的方法就是設定一個參數。如果鄰居相同標籤的比例少於這個參數,我就會離開。所以當這個參數越小(越接近0),群眾對不同標籤背景的鄰居將會更多包容。而當這個參數越接近1,群眾對不同群體將會更不能接受,而要選擇搬遷。


由於在這個模型內,我們現在討論了「搬遷」這個動作,所以這個標籤分布的圖像我們就必須要加入時間這個軸。表示方式從X(i,j)改變成X(i,j,k)去代表在時間k時,在房子(i,j)所居住家庭的標籤。對於區域內每一個有人居住的房子的像素點,我們在一個時間k時,都可以計算鄰居相似值

Y(i,j,k) =(鄰居內有多少個家庭跟我同樣標籤)÷ (相鄰房子有多少家庭居住)

如果這個數值少於一個參數Y*,這一個位置的家庭在下一個時間k+1時,就會搬到一間空置的房子。而挑選這個空置的房子的方式,我們可以假設是隨機的。當然這個隨機性在現實生活上是不可能,因為當一個家庭挑選一個居住地方是,考慮的因素會很多,包括了社區環境,租金價值,房屋狀態等等。但是為了減少一些複雜情況的討論,在這個最簡化的模型下,這個假設也是合理的。

Y*=0.5


對我顯示了兩個不同的情況。第一個情況是挑選一個相對比較小的參數Y*=0.5。所以每一個家庭都容許附近有一半的鄰居跟我的喜好有所不同。隔離的情況會有發生,但是也不至於太嚴重。可是,當我將參數Y*增加至0.7 ,隨着時間的過去,紅色跟藍色就會隔離開來,成為一塊一塊的形狀。

Y*=0.7


留言