本書由紐約大學Nature of Code課程老師Daniel Shiffman寫就, 是一本借助開源語言Processing全面介紹如何用代碼模擬自然世界的學習指南。作者從模擬無生命物體、活物、智能系統(tǒng)三個層面, 從手工編寫Processing代碼到使用現有的物理函數庫模擬高級而復雜的行為, 利用有趣的事例漸進式介紹了算法和模擬方面的高級編程策略和技術。主要內容涉及向量、力、粒子系統(tǒng)、三角函數、自治智能體、細胞自動機、分形、遺傳算法和人工神經網絡。
怎么通過軟件捕捉自然界難以捉摸的演進和突變？
理解物理世界背后的數學原理對我們創(chuàng)造數字世界有多大幫助？
本書介紹了用計算機模擬自然系統(tǒng)涉及的編程策略與技術，涵蓋了基本的數學和物理概念，以及可視化地展示模擬結果所需的高級算法。讀者將從構建基本的物理引擎開始，一步一步地學習如何創(chuàng)建智能移動的物體和復雜的系統(tǒng)，為進一步探索生成設計奠定基礎。相關的知識點包括力、三角、分形、細胞自動機、自組織和遺傳算法。本書的示例使用基于Java的開源語言及開發(fā)環(huán)境Processing編寫。本書網站（http://www.natureofcode.com）上的示例是在瀏覽器中通過Processing的JavaScript模式運行的。
作為紐約大學Tisch藝術學院Nature of Code課程主講老師，Daniel集合了多年開發(fā)和教學經驗，希望借由此書讓大家真正了解如何用代碼模擬自然現象。
這是一本什么書
我在ITP教授一門名為“計算媒體導論”的課。在這門課中，學生主要學習一些編程基礎知識（變量、條件語句、循環(huán)、對象和數組等）。除此之外，他們還學習如何使用基本元素（圖像、像素、計算機視覺、組網、數據和3D等）開發(fā)交互式應用。課程內容以我之前寫的入門書Learning Processing為主，而本書是Learning Processing的續(xù)篇。一旦你掌握了編程基礎并且接觸了形形色色的應用場景，接下來很可能就是深入研究某個特定的方向。舉個例子，你可以專注于計算機視覺（比如閱讀Greg Borenstein寫的Making Things See等書）。當然，本書的內容只是眾多發(fā)展方向之一，它只是延續(xù)了Learning Processing，展示了Processing語言在算法和模擬方面的更高級編程技術。
本書的目標非常簡單：我們想看看真實世界中發(fā)生的各種自然現象，以及如何通過編程對它們進行模擬。
那這到底是一本什么樣的書？這是不是一本有關科學的書？我可以很肯定地回答：不是。事實上，我們確實會涉及物理學和生物學的個別話題，但不會從嚴謹的學術層面進行研究，因為這不在本書講述范圍之內。相反，我們會簡單探討某些科學原理，只攫取我們需要的那一部分內容，并根據它們構建相關的示例程序。
那這是不是一本有關藝術或設計的書呢？我還是會回答：不是。盡管我們的工作結果都是視覺上可見的事物（用Processing開發(fā)的演示動畫），但也僅僅是用簡單的圖形和色彩做出的演示，我們真正專注的是它們背后的算法和相關編程技術。然而，我還是希望藝術工作者和設計師們能將本書中的知識融入工作實踐，創(chuàng)造一些真正新穎有趣的作品。
如果非要給這本書歸類，我覺得它只是一本普普通通的編程書。盡管書中的一些章節(jié)取材自科學原理（比如牛頓物理學、細胞生長、進化等），而且一些編程結果會激發(fā)藝術創(chuàng)作的靈感，但歸根結底本書重心是代碼的實現，尤其是其中的面向對象編程技術。
關于Processing語言
本書使用Processing語言，原因有很多。第一，它是我用著最舒服的編程語言和開發(fā)環(huán)境，我很喜歡用它來工作；第二，它是免費開源的，并且非常適合初學者，它的開發(fā)者社區(qū)很活躍。對很多人來說，Processing或許是他們學習的第一門編程語言。因此，我希望這本書能擁有廣泛的受眾，并希望通過Processing用一種友好的方式闡述其中的原理。
本書中所寫的例子并不嚴格限定于Processing語言，我們還可以用ActionScript、JavaScript、Java（脫離Processing開發(fā)環(huán)境），或是其他開源的“創(chuàng)意編程”開發(fā)環(huán)境，比如openFrameworks、Cinder，以及最近發(fā)布的pocode。我希望自己完成這本書之后，能將本書中的例子移植到其他開發(fā)環(huán)境中，并發(fā)布其他語言的示例程序。如果你對移植本書的示例程序感興趣，請隨時聯系我（daniel@ shiffman.net）。
本書中的所有示例都已在Processing 2.0b6版本上測試通過，大部分例子也兼容早期版本。我會時常更新這些示例，使它們兼容最新版本。
……
Daniel Shiffman ，紐約大學Tisch藝術學院助理藝術教授，Nature of Code便是其主講課程之一。多年來，他一直用Processing這門藝術家友好型開源語言開發(fā)教程、教學示例和代碼庫，擁有豐富的算法和應用教學經驗。另外，其著作Learning Processing: A Beginner's Guide to Programming Images, Animation, and Interaction亦廣受讀者好評。
第0章 引言
0．1 隨機游走
0．2 隨機游走類
0．3 概率和非均勻分布
0．4 隨機數的正態(tài)分布
0．5 自定義分布的隨機數
0．6 Perlin噪聲(一種更平滑的算法)
0．6．1 映射噪聲
0．6．2 二維噪聲
0．7 前進
第1章 向量
1．1 向量
1．2 Processing中的向量
1．3 向量的加法
1．4 更多的向量運算
1．4．1 向量的減法
1．4．2 向量加減法的運算律
1．4．3 向量的乘法
1．4．4 更多的向量運算律
1．5 向量的長度
1．6 單位化向量
1．7 向量的運動：速度
1．8 向量的運動：加速度
1．9 靜態(tài)函數和非靜態(tài)函數
1．10 加速度的交互
第2章 力
2．1 力和牛頓運動定律
2．1．1 牛頓第一運動定律
2．1．2 牛頓第三運動定律
2．1．3 牛頓第三運動定律(從Processing的角度表述)
2．2 力和Processing的結合：將牛頓第二運動定律作為一個函數
2．3 力的累加
2．4 處理質量
2．5 制造外力
2．6 地球引力和力的建模
2．7 摩擦力
2．8 空氣和流體阻力
2．9 引力
2．10 萬有引(斥)力
第3章 振蕩
3．1 角度
3．2 角運動
3．3 三角函數
3．4 指向運動的方向
3．5 極坐標系和笛卡兒坐標系
3．6 振蕩振幅和周期
3．7 帶有角速度的振蕩
3．8 波
3．9 三角函數和力：鐘擺
3．10 彈力
第4章 粒子系統(tǒng)
4．1 為什么需要粒子系統(tǒng)
4．2 單個粒子
4．3 使用ArrayList
4．4 粒子系統(tǒng)類
4．5 由系統(tǒng)組成的系統(tǒng)
4．6 繼承和多態(tài)的簡介
4．7 繼承基礎
4．8 用繼承實現粒子類
4．9 多態(tài)基礎
4．10 用多態(tài)實現粒子系統(tǒng)
4．11 受力作用的粒子系統(tǒng)
4．12 帶排斥對象的粒子系統(tǒng)
4．13 圖像紋理和加法混合
第5章 物理函數庫
5．1 Box2D及其適用性
5．2 獲取Processing中的Box2D
5．3 Box2D基礎
5．3．1 SETUP
5．3．2 DRAW
5．3．3 Box2D世界的核心元素
5．4 生活在Box2D的世界
5．5 創(chuàng)建一個Box2D物體
5．5．1 第1步：定義一個物體
5．5．2 第2步：設置物體的定義
5．5．3 第3步：創(chuàng)建物體
5．5．4 第4步：為物體的初始狀態(tài)設置其他屬性
5．6 三要素：物體、形狀和夾具
5．6．1 第1步：定義形狀
5．6．2 第2步：創(chuàng)建夾具
5．6．3 第3步：用夾具將形狀連接到物體上
5．7 Box2D和Processing的結合
5．7．1 第1步：在主程序(即setup()和draw()函數)中添加Box2D
5．7．2 第2步：建立Processing盒子對象和Box2D物體對象之間的聯系
5．8 固定的Box2D對象
5．9 彎曲的邊界
5．9．1 第1步：定義一個物體
5．9．2 第2步：定義形狀
5．9．3 第3步：配置形狀
5．9．4 第4步：使用夾具將形狀連接到物體上
5．10 復雜的形狀
5．11 Box2D關節(jié)
5．11．1 步驟1：確保有兩個物體
5．11．2 步驟2：定義關節(jié)
5．11．3 步驟3：配置關節(jié)的屬性
5．11．4 步驟4：創(chuàng)建關節(jié)
5．12 回到力的話題
5．13 碰撞事件
5．13．1 步驟1：Contact對象，你能否告訴我哪兩個物體發(fā)生了碰撞
5．13．2 步驟2：夾具對象，你能否告訴我你連接在哪個物體上
5．13．3 步驟3：物體，你能否告訴我你連接在哪個粒子對象上
5．14 小插曲：積分法
5．15 toxiclibs的Verlet Physics物理庫
5．15．1 獲取toxiclibs
5．15．2 VerletPhysics的核心元素
5．15．3 toxiclibs中的向量
5．15．4 構建toxiclibs的物理世界
5．16 toxiclibs中的粒子和彈簧
5．17 整合代碼：一個簡單的交互式彈簧
5．18 相連的系統(tǒng)I：繩子
5．19 相連的系統(tǒng)II：力導向圖
5．20 吸引和排斥行為
第6章 自治智能體
6．1 內部的力
6．2 車輛和轉向
6．3 轉向力
6．4 到達行為
6．5 你的意圖：所需速度
6．6 流場
6．7 點乘
6．8 路徑跟隨
6．9 多段路徑跟隨
6．10 復雜系統(tǒng)
6．11 群體行為(不要碰到對方)
6．12 結合
6．13 群集
6．14 算法效率(為什么程序跑得這么慢)
6．15 最后的幾個注意事項：優(yōu)化技巧
6．15．1 長度的平方(或距離的平方)
6．15．2 正弦余弦查詢表
6．15．3 創(chuàng)建不必要的PVector對象
第7章 細胞自動機
7．1 什么是細胞自動機
7．2 初等細胞自動機
7．3 如何編寫初等細胞自動機
7．4 繪制初等CA
7．5 Wolfram分類
7．6 生命游戲
7．7 編寫生命游戲
7．8 面向對象的細胞實現
7．9 傳統(tǒng)CA的變化
第8章 分形
8．1 什么是分形
8．2 遞歸
8．3 用遞歸函數實現康托爾集
8．4 科赫曲線和ArrayList技術
8．5 樹
8．6 L系統(tǒng)
第9章 代碼的進化
9．1 遺傳算法：啟發(fā)自真實現象
9．2 為什么使用遺傳算法
9．3 達爾文的自然選擇
9．4 遺傳算法，第一部分：創(chuàng)建種群
9．5 遺傳算法，第二部分：選擇
9．6 遺傳算法，第三部分：繁殖
9．7 創(chuàng)建種群的代碼
9．7．1 第1步：初始化種群
9．7．2 第2步：選擇
9．7．3 第3步：繁殖
9．8 遺傳算法：整合代碼
9．9 遺傳算法：創(chuàng)建自己的遺傳算法
9．9．1 第1點：更改變量
9．9．2 第2點：適應度函數
9．9．3 第3點：基因型和表現型
9．10 力的進化：智能火箭
9．11 智能火箭：整合代碼
9．12 交互式選擇
9．13 生態(tài)系統(tǒng)模擬
9．13．1 基因型和表現型
9．13．2 選擇和繁殖
第10章 神經網絡
10．1 人工神經網絡：導論和應用
10．2 感知器
10．3 用感知器進行簡單的模式識別
10．4 實現感知器
10．5 轉向感知器
10．6 還記得這是個"網絡"嗎
10．7 神經網絡圖
10．8 實現前饋動畫
10．9 結語
參考文獻
索引
書單推薦
