Le projet
Le simulateur d'écosystème est un moteur de vie artificielle où chaque entité — herbe, proie, prédateur — possède son propre cycle de vie, ses besoins énergétiques et ses comportements adaptatifs.
L'objectif est d'observer l'émergence de comportements complexes à partir de règles simples : oscillations de populations à la Lotka-Volterra, adaptation, extinction et recolonisation.
Le projet est entièrement développé en Python, avec une interface de visualisation et des outils d'analyse statistique des populations.
Stack technique
Python
Langage principal — logique de simulation, gestion des entités et des règles
NumPy
Calculs vectorisés pour les distances, les champs de gradient et l'optimisation
Matplotlib
Visualisation en temps réel des populations et des dynamiques spatiales
Équations différentielles
Inspiration Lotka-Volterra pour les oscillations proies-prédateurs
Captures du projet
Les captures seront ajoutées au fur et à mesure du développement.
Roadmap
Étapes de développement du projet, des fondations aux fonctionnalités avancées.
Moteur de base
Mise en place de la boucle de simulation, des entités (herbe, proies, prédateurs) et des règles fondamentales de déplacement et d'énergie.
Comportements IA
Implémentation des comportements de chasse, fuite, reproduction et mort. Chaque entité perçoit son environnement dans un rayon de détection.
Visualisation & Analyse
Interface graphique en temps réel, courbes de population, heatmaps de densité et outils d'analyse statistique des dynamiques émergentes.
Évolution génétique
Introduction de paramètres génétiques héritables (vitesse, perception, métabolisme). Les entités les plus adaptées survivent et transmettent leurs traits.
Environnement dynamique
Saisons, météo, ressources limitées et événements aléatoires (sécheresse, épidémies). Le monde devient un acteur à part entière de la simulation.