要
明白了！以下是完整的 Python 程式碼，你可以直接執行來模擬「after life」維度加入後，人生經驗向量的演變及決策影響。程式包含：
- 「after life」維度激活隨時間變化的微分方程模擬
- 經驗向量與決策函數計算
- 兩張動態曲線圖展示激活值與決策值變化
```python
import numpy as np
import matplotlib.pyplot as plt
# 參數設定
r = 0.1 # 信仰增強率
s = 0.05 # 懷疑減弱率
alpha = 0.7 # 今生權重
beta = 0.3 # 來世權重
# 時間設定
t_start, t_end, dt = 0, 100, 0.1
times = np.arange(t_start, t_end, dt)
# 原始今生經驗向量 (4維示例)
n = 4
x_now = np.array([0.5, 0.3, 0.2, 0.4])
# 初始來世維度激活值
a = 0.1
# 決策函數定義
def D_now(x):
return np.sum(x)
def D_afterlife(a):
return a * 10 # 假設來世影響放大10倍
# 來世維度激活微分方程
def da_dt(a):
return r * (1 - a) - s * a
# 模擬過程
a_values = []
decision_values = []
for t in times:
a += da_dt(a) * dt
a = np.clip(a, 0, 1) # 限制a在0到1之間
decision = alpha * D_now(x_now) + beta * D_afterlife(a)
a_values.append(a)
decision_values.append(decision)
# 繪製來世維度激活曲線
plt.figure(figsize=(10, 5))
plt.plot(times, a_values, label='After Life Activation (a)')
plt.xlabel('Time')
plt.ylabel('Activation Level')
plt.title('After Life Dimension Activation Over Time')
plt.legend()
plt.grid(True)
plt.show()
# 繪製決策值變化曲線
plt.figure(figsize=(10, 5))
plt.plot(times, decision_values, label='Decision Value D\'')
plt.xlabel('Time')
plt.ylabel('Decision Value')
plt.title('Decision Value Over Time Considering After Life Dimension')
plt.legend()
plt.grid(True)
plt.show()
```
### 使用說明
1. 你可以直接在 Python 環境（如 Jupyter Notebook、Google Colab）執行此程式。
2. 可調整參數 `r`、`s`、`alpha`、`beta` 來模擬不同的信仰增強率、懷疑率和今生/來世權重。
3. 你也可以擴展 `x_now` 向量維度，或改寫決策函數以符合更複雜的人生經驗模型。
如果你需要，我也可以幫你寫更複雜的版本，比如加入隨機擾動、多個心理維度互動，甚至做成互動式網頁模擬。隨時告訴我！
回應