onizuka_adventurer_sim.py

🔷 INFORMATIONS GÉNÉRALES

Champ Détail

Nom du script onizuka_adventurer_sim.py

Version 1.0.0

Date de création 25/03/2026

Auteur / Demandeur IA Générée (Concept Onizuka)

Objectif principal Simuler un agent autonome (« Aventurier ») régi par des lois biophysiques, sociologiques et économiques réelles.

🎯 DESCRIPTION FONCTIONNELLE

📌 Que fait ce script ?

Ce script orchestre une simulation complexe où un personnage évolue dans un environnement dynamique. Il intègre la résolution d’équations différentielles pour le métabolisme, des algorithmes de théorie des graphes pour le déplacement, et des modèles stochastiques pour l’écologie et les interactions sociales.

📌 Problème résolu

Il dépasse le cadre du simple « jeu » pour proposer une simulation systémique. Il résout le manque de réalisme des RPG classiques en liant organiquement les besoins biologiques (homéostasie) aux capacités physiques et aux structures sociales (réputation bayésienne).

⚙️ SPÉCIFICATIONS TECHNIQUES

🐍 Environnement

Élément Valeur

Version Python 3.10+

OS cible Tous (Cross-platform)

Mode d’exécution Modulaire / Simulation Temps Réel

📦 Dépendances / Librairies

Standard : math, collections, json, logging

Scientifiques (pip) :

numpy (Calculs matriciels)

scipy (Intégration ODE : odeint, optimisation)

networkx (Pathfinding & Graphes)

noise (Génération de terrain Perlin)

📥 ENTRÉES (INPUTS)

# Nom Type Obligatoire Description

1 y0 list[float] ✅ État initial [Faim, Soif, Énergie]

2 terrain_map list[list] ✅ Matrice représentant le biome et les obstacles

3 dt float ✅ Pas de temps de la simulation (delta time)

📂 Fichiers / Sources de données

JSON : ./data/materials.json (Coefficients de friction, densité).

JSON : ./data/npc_templates.json (Profils psychologiques des PNJ).

📤 SORTIES (OUTPUTS)

# Nom Type Description

1 solution ndarray Vecteur d’état métabolique sur la durée T

2 path list[tuple] Liste des coordonnées du chemin optimal

3 reputation dict Score de confiance mis à jour par faction

🧱 STRUCTURE DU SCRIPT

Plaintext

onizuka_adventurer_sim.py

│

├── 📌 IMPORTS (scipy, numpy, networkx)

├── 📌 CONSTANTES (Lois physiques : g=9.81, E=mc²)

├── 📌 CLASSES & SYSTÈMES

│ ├── Metabolism (ODE Solver)

│ ├── MovementSystem (Pathfinding A*)

│ ├── SocialEngine (Bayesian Update)

│ └── Environment (Cellular Automata – Fire)

└── 📌 MAIN (Boucle de simulation)

🔧 Détail des fonctions principales

Fonction Paramètres Retour Rôle

metabolism(y, t, p) y: list, t: float, p: list list Définit le système d’équations différentielles.

create_terrain_graph() map: list nx.Graph Transforme une carte en graphe pondéré.

forest_fire() grid: ndarray ndarray Simule la propagation du feu (Automate cellulaire).

🔄 LOGIQUE / ALGORITHME

Phase d’Acquisition : Lecture de l’environnement (température, type de sol).

Mise à jour Biologique : Calcul de la dérive des constantes vitales via dy/dt.

Décision Pathfinding : Calcul du coût de mouvement (f(n)=g(n)+h(n)).

Interaction Sociale : Mise à jour de la matrice de réputation selon l’action effectuée.

Rendu/Log : Exportation de l’état du système.

🚨 GESTION DES ERREURS

Metabolism Divergence : Si les valeurs deviennent négatives, le script déclenche l’état Incapacitated.

Unreachable Path : Si networkx ne trouve pas de chemin, l’agent passe en mode Exploration Aléatoire.

✅ CONTRAINTES & RÈGLES MÉTIER

Loi de Henry : La consommation d’oxygène en plongée augmente avec la profondeur (pression).

Éthique de Kant : Les actions négatives ont un poids de réputation permanent supérieur aux actions positives.

Frottement : La vitesse est réduite au prorata du coefficient d’humidité du sol.

📝 EXEMPLE D’UTILISATION

▶️ Lancement

Bash

python onizuka_adventurer_sim.py –mode simulation –duration 24h

📊 PERFORMANCES ATTENDUES

Temps d’exécution : < 16ms par tick (cible 60 FPS). Complexité Pathfinding : O(ElogV) avec E arêtes et V sommets. Prochaine étape suggérée :