求C语言命令行程序的“生命游戏”代码

本世纪70年代，人们曾疯魔一种被称作“生命游戏”的小游戏，这种游戏相当简单。假设有一个像棋盘一样的方格网，每个方格中放置一个生命细胞，生命细胞只有两种状态：“生”或“死”。游戏规则如下：

1． 如果一个细胞周围有3个细胞为生（一个细胞周围共有8个细胞），则该细胞为生，即该细胞若原先为死，则转为生，若原先为生，则保

持不变；

2． 如果一个细胞周围有2个细胞为生，则该细胞的生死状态保持不变；

3． 在其它情况下，该细胞为死，即该细胞若原先为生，则转为死，若原先为死，则保持不变。

依此规则进行迭代变化，使细胞生生死死，会得到一些有趣的结果。该游戏之所以被称为“生命游戏”，是因为其简单的游戏规则，反映了

自然界中的生存规律：如果一个生命，其周围的同类生命太少的话，会因为得不到帮助而死亡；如果太多，则会因为得不到足够的资源而死亡。

用计算机模拟这个“生命游戏”也相当简单，可以用一个m×n像素的图像来代表m×n个细胞，其中每一个像素，代表一个细胞，像素为黑色

表示细胞为生，像素为白色代表细胞为死。

设定图像中每个像素的初始状态后依据上述的游戏规则演绎生命的变化，由于初始状态和迭代次数不同，将会得到令人叹服的优美图案。

下面给出的小程序是用tc2.0编写。演示100×100个生命细胞初始状态全为生时的变代情况，变化时边缘细胞不参与变化。随着迭代次数的不

同，在屏幕显示的图案精彩纷呈，像万花筒般引人入胜。

＃include <graphics.h>

main(){

int orgdata[100][100],resdata[100][100]／＊分别记录每次迭代的初始和结果状态＊／

int ncount,nrows,ncols,i,j,times／＊times记录迭代次数＊／

int graphdriver=detect,graphmode

for (i=0i<100i＋＋) ／＊初始化数据，令每一个细胞为生＊／

for (j=0j<100j＋＋) orgdata[i][j]=1

initgraph(&graphdriver,&graphmode,′′′′)／＊初始化屏幕显示＊／

setcolor(white)

rectangle(270,190,370,290)／＊作显示边框＊／

for (times=1times<200times＋＋){

for (nrows=1nrows<99nrows＋＋) {

for (ncols=1ncols<99ncols＋＋){

／＊计算每一个细胞周围的活的细胞数＊／

ncount=orgdata[nrows－1][ncols－1]＋orgdata[nrows－1][ncols]

＋orgdata[nrows－1][ncols＋1]＋orgdata[nrows][ncols－1]

＋orgdata[nrows][ncols＋1]＋orgdata[nrows＋1][ncols－1]

＋orgdata[nrows＋1][ncols]＋orgdata[nrows＋1][ncols＋1]

switch(ncount){

／＊周围有3个活细胞，该细胞为生，在屏幕上用黑色像素表示＊

case 3: putpixel(ncols＋210,120＋nrows,black)

resdata[nrows][ncols]=1break

／＊周围有2个活细胞，该细胞不变，在屏幕显示也不变＊／

case 2: resdata[nrows][ncols]=orgdata[nrows][ncols]

break

／＊其它情况下，细胞为死，在屏幕上用白色像素表示＊／

default:resdata[nrows][ncols]=0

putpixel(ncols＋210,120＋nrows,white)

}

}

}

for (i=1i<99i＋＋)

for (j=1j<99j＋＋) orgdata[i][j]=resdata[i][j]

getch()

}

}

在计算机上运行上述程序，得到迭代次数为45、69、74、78、97、116、119和156时的图像分别如上图所示。

在实际模拟时，可以取更多的生命细胞，也可以考虑生命细胞的初始状态是依一定概率设定的随机状态，变化时也可以让边缘细胞参与变化。

只要对上述程序略作更改，就会得到另外一系列美妙绝伦的图案。

这次我们使用 Python 来实现生命游戏，这是一种简单的元胞自动机。基于一定规则，程序可以自动从当前状态推演到下一状态。制作的成品如下：

先来说说生命游戏的规则：

在生命游戏中，每个单元格有两种状态，生与死。在我们的实现中，黄色的单元格代表活着的细胞，红色单元格表示死亡的细胞。而每一个细胞的下一状态，是由该细胞及周围的八个细胞的当前状态决定的。

具体而言：

当前细胞为活细胞

当前细胞为死细胞

无需安装的标准库：

第三方库：

导入模块：

首先，我们要知道细胞的生存空间是 N * N 的方阵，每个细胞都有两种状态：on, off。on 为 255，off 为 0。我们使用 numpy 产生 N * N 的方阵。np.random.choice 是在 State.on 和 State.off ，等概率随机抽取一个元素构造 N * N 的方阵。

其次我们要明白如何计算细胞周围活细胞的个数，尤其是边界一圈的细胞。我们可以采用余数的方式，假设棋盘大小为 9 * 9，那么对于左右边界而言，左边界的左边一个元素的计算方式： - 1 % 9 = 8，自动折到右边界上。将细胞周围八个单元格的数值加起来，除以 255，就可以得到细胞周围活细胞的个数。

接下来是对规则的翻译，即根据当前世代的状态，推演出下一世代，细胞的状态。initial 为当前世代的矩阵，data为下一世代的矩阵，我们根据 initial 的数值，计算出 data 的数值。total 为周围活细胞的个数，如果当前为活细胞，total 大于三或者小于二，下一世代就会死去。如果当前为死细胞，total 等于三，下一世代活细胞就会繁殖到该单元格上。

接下来是制作动图的过程，前面几行是绘图的基本 *** 作。之后，我们使用到了 matplotlib.animation 的方法。其中，FuncAnimation 接受的参数含义：fig 为图像句柄，generate 函数是我们更新每一帧图像所需数据的函数，下面会有介绍，fargs 为 genrate 函数的除去第一个参数的其他参数，第一个参数由 FuncAnimation 指定 framenum（帧数） 传给 generate 函数。frames 是帧数，interval 是更新图像间隔，save_count 为从帧到缓存的值的数量。

如果指定保存路径(html)，则保存为 html 动画。

下面我们来看 generate 函数，NUM 为当迭代次数，frame_num 接收来自 FuncAnimation 的帧数。通过嵌套的 for 循环，我们逐个地更新方阵中各元素的状态。

最后，我们可以通过命令行参数，运行我们的程序：

-- size 参数为棋盘大小，--seed 为随机种子，用于产生不同的随机方阵。

高斯帕滑翔机q(Gosper Glider Gun)

可将 --gosper 更改为 --glider 滑翔机。--save 为动图保存的地址。

---