Warum Tausch mit einer zufälligen leeren Zelle und nicht der Umzug an den „besten“ Ort?

Bei Schelling genügt es, einen schlechten Platz zu verlassen und irgendeine freie Leerstelle zu nehmen. Der Zufallstausch hält die Regeln einfach und sortiert trotzdem stark; eine klügere Suche ändert die Kinetik, nicht die Haupterkenntnis.

Warum wirkt τ ≈ 0,35–0,45 bei etwa 10 % Leerstellen schon „stark“?

Bei zwei gleichen Gruppen und zufälliger Mischung sieht ein typischer innerer Agent etwa die Hälfte der besetzten Nachbarn als „eigene“. Ein kleines Anheben von τ über diese Basis macht viele Agenten zugleich unzufrieden; wiederholte Tausche verstärken Korrelationen zu großen Clustern, ohne ausdrückliche „Anziehung zu den Eigenen“.

Ändert der Torus etwas am Sinn gegenüber dem offenen Rand?

Der Torus nimmt Randeffekte weg, damit auf dem kleinen Gitter überall „innere“ Bedingungen gelten. An offenen Rändern können Cluster an den Wänden haften; der Torus hält den Blick auf die spontane Struktur aus lokalen Regeln.

Schelling-Segregationsmodell

Zwei Agententypen auf dem Torus mit Leerstellen: Unzufriedene tauschen mit einer zufälligen leeren Zelle, wenn der Anteil der Eigenen unter den besetzten Nachbarn unter der Schwelle τ liegt.

Zum Modell

Das Schelling-Segregationsmodell (Thomas Schelling) zeigt, wie gemäßigte lokale Vorlieben zu makroskopischer Segregation führen können, auch wenn niemand eine vollständig homogene Umgebung verlangt. Hier zwei Agententypen (rot und blau) auf dem toroidalen Quadratgitter mit einstellbarem Anteil leerer Zellen. Jeder Agent betrachtet die acht Moore-Nachbarn, die von Agenten besetzt sind; er ist unzufrieden, wenn der Anteil der Nachbarn des eigenen Typs streng unter der Schwelle τ liegt. Asynchrone Dynamik: ein zufälliger unzufriedener Agent (falls vorhanden) tauscht mit einer zufälligen leeren Zelle — eine vereinfachte Metapher für den Umzug bei begrenzter Zahl von Leerstellen. Die Fleckenbildung ist ein Standardbeispiel komplexer Systeme und agentenbasierter Modelle: das globale Muster steht nicht im Ziel des einzelnen Agenten, erscheint auf dem endlichen Gitter aber rasch.

Für wen: Hochschul-Statphysik, computergestützte Soziologie und komplexe Systeme: nach Perkolation oder einfachen zellulären Automaten.

Wichtige Begriffe

Schelling-Modell
Segregation
agentenbasiertes Modell
Moore-Nachbarschaft
Schwelle τ
Emergenz

So funktioniert es

Torus 52×52: rote und blaue Agenten und leere Zellen. Unter den acht Moore-Nachbarn zählen nur die besetzten; liegt der Anteil der „Eigenen“ unter τ, ist der Agent unzufrieden und tauscht mit einer zufälligen leeren Zelle. Schwelle τ und anfänglicher Leerzellenanteil legen fest, wie schnell Cluster wachsen; Zähler zeigen Unzufriedene und den mittleren Anteil der „Eigenen“ unter den Nachbarn.

Wichtige Gleichungen

Let n_same and n_diff count occupied 8-neighbors of each type. An agent is happy if n_same + n_diff = 0 or n_same / (n_same + n_diff) ≥ τ. One move picks a random unhappy agent (if any) and exchanges it with a random empty site; asynchronous swaps approximate the original relocation story.

Häufige Fragen

Warum Tausch mit einer zufälligen leeren Zelle und nicht der Umzug an den „besten“ Ort?: Bei Schelling genügt es, einen schlechten Platz zu verlassen und irgendeine freie Leerstelle zu nehmen. Der Zufallstausch hält die Regeln einfach und sortiert trotzdem stark; eine klügere Suche ändert die Kinetik, nicht die Haupterkenntnis.
Warum wirkt τ ≈ 0,35–0,45 bei etwa 10 % Leerstellen schon „stark“?: Bei zwei gleichen Gruppen und zufälliger Mischung sieht ein typischer innerer Agent etwa die Hälfte der besetzten Nachbarn als „eigene“. Ein kleines Anheben von τ über diese Basis macht viele Agenten zugleich unzufrieden; wiederholte Tausche verstärken Korrelationen zu großen Clustern, ohne ausdrückliche „Anziehung zu den Eigenen“.
Ändert der Torus etwas am Sinn gegenüber dem offenen Rand?: Der Torus nimmt Randeffekte weg, damit auf dem kleinen Gitter überall „innere“ Bedingungen gelten. An offenen Rändern können Cluster an den Wänden haften; der Torus hält den Blick auf die spontane Struktur aus lokalen Regeln.

Machen Sie mit verwandten Themen in dieser Kategorie weiter — oder alle 46 in „Thermodynamik“.

Ganze Kategorie →

NeuSchule

Eden-Wachstum

Simulation starten

Eden-Modell auf dem Quadratgitter: in jedem Schritt wird gleichwahrscheinlich ein leerer Platz aus den vier Nachbarn des Clusters besetzt; kompaktes Wachstum und raue Front.

NeuSchule

Waldbrandmodell

Simulation starten

Torusgitter: Bäume mit Wahrscheinlichkeit p, Blitz f, Feuer über vier Nachbarn; große Ausbrüche und ein Regime nahe der selbstorganisierten Kritikalität.

NeuSchule

Elementare zelluläre Automaten nach Wolfram

Simulation starten

Eindimensionaler binärer Automat mit Regelcode R ∈ [0, 255]: Raum-Zeit, Torus oder Nullränder, einzelne „1“ oder zufälliger Start; Klassenhinweis für die Regeln 30, 90, 110, 184.

NeuSchule

Rayleigh-Bénard-Konvektion

Simulation starten

Von unten beheizte Flüssigkeitsschicht: Rayleigh-Zahl Ra und Schwelle Ra_c ≈ 1708; schematische Bénard-Zellen und Walzen.

NeuSchule

Vicsek-Modell (aktive Materie)

Simulation starten

Selbstangetriebene Teilchen auf dem Torus: Ausrichtung der Richtung am Mittel der Nachbarn im Radius R, Rauschen η, Fortbewegung mit Geschwindigkeit v₀; Polarisation V_a = |⟨e^{iθ}⟩| und Dichte ρ = N/L².

NeuHochschule / Forschung

Diffusionsbegrenzte Aggregation (DLA)

Simulation starten

Irrfahrten haften beim ersten Kontakt mit dem Keim auf dem Quadratgitter; verzweigtes fraktales Wachstum, in 2D Massendimension D ≈ 1,71.

Schelling-Segregationsmodell

Zum Modell

So funktioniert es

Wichtige Gleichungen

Häufige Fragen

Ähnliche Simulationen

Eden-Wachstum

Waldbrandmodell

Elementare zelluläre Automaten nach Wolfram

Rayleigh-Bénard-Konvektion

Vicsek-Modell (aktive Materie)

Diffusionsbegrenzte Aggregation (DLA)

Schelling-Segregationsmodell

Zum Modell

So funktioniert es

Wichtige Gleichungen

Häufige Fragen