Your task is to extend a predator/prey simulation.  You must use the foxes-and-rabbits project, provided on KEATS,  as the basis for your project.   Note  that  this  version  of the  foxes-and- rabbits project is slightly diferent from the version in the textbook, so please use the version from KEATS, not from the textbook. You must replace the Fox and Rabbit classes with diferent kinds of predator and prey to simulate a new food chain.

1    Getting Started

Take a few minutes to study the base code. To run the simulation, right-click on the SimulatorView class and click ‘Run JavaFX Application’.  A new window should appear, similar to Figure 1.  Call void  simulate(int  numStep), on the SimulatorView object to run the simulation.

You may change any of the classes/methods and add your own classes.  However, the project should remain a JavaFX project and void  simulate(int  numStep) should allow a user to run the simulation.

Make sure you understand...

• How simulations are executed and the main simulation loop?

• The animal class structure.

• What occurs on each simulation step?

2.2 Natural Selection (30 points)

Natural  selection  is  the  process  that  causes  species  to  change  over  time  in  response  to  their environment.  You will simulate natural selection in your project using elements of evolutionary algorithms.  More specifically, you will add a genetic component to the project and implement a mating operation (with mutations).

Currently, an animal’s life cycle, such as breeding age & life span, are controlled by constants. Modify your code so that all animals have a gene  that controls their life cycle.  The gene will determine the following variables:

•  breeding age —the age the animal can begin mating.  It must be a value between 12 and 90 (inclusive)

•  life span —currently set to 120, it must be a value between 10 and 120  (inclusive).   It’s possible that some animals will not be able to breed.

• breeding probability —the probability that an encounter with another member of the same species will result in reproduction; a value between 0 and 0.50

•  litter size —a number between 1 and 12 (inclusive); litter size applies to birthing animals only.

•  disease probability —the probability that an animal becomes sick.  This is a value between 0 and 0.5

•  metabolism —this value is implied in the base code, i.e., one food unit is subtracted from foodLevel in each step.  Metabolism will be a value between 0.25 and 1 (inclusive), simu- lating animals with a slow metabolism that needs fewer meals.  Note, metabolism will be subtracted from foodLevel instead of a fixed value.

Every animal has a gene.  The gene is a string of 14 integers.  These integers will determine the values for the different stages of the animal’s life cycle and metabolism.  For example, the gene 15086350812080 should produce the following values:

breeding   age   15

life   span   86

breeding   probability   0 .35 litter  size  8

disease   probability   0 . 12 metabolism   0 .8

Only the very first population should have randomly assigned genes.  Also, you must make sure that the gene produces values that are within the limits set in this task sheet.

All future animals will be produced through mating, specifically, using a crossover operation. All animals should be designated as male or female  (assume there’s a 50% chance of being male or female for all animals).  Animals can only mate when a male and female meet  (meet  means they are in neighbouring cells).  Offspring will have half of their genetic material come from the female parent and the other half from the male parent.   For  example,  if parent  one’s gene is 15086350812080 and parent two’s gene is 13043500323040, then all the children in the litter will have a variant of the gene 15086350323040 —the first seven integers are from parent one and the last seven are from parent two. Finally, you’ll use a mutation operation to make unique genes for each offspring: you’ll decide to mutate an integer in the gene with probability 20%.  If the integer is chosen for mutation, 50% of the time you will add one and 50% of the time subtract one.