simglucose 0.2.1

葡萄糖

用python实现的1型糖尿病模拟器，用于强化学习目的

这个模拟器是fda批准的一个python实现，仅用于研究目的。该模拟器包括30名虚拟病人、10名青少年、10名成人、10名儿童。

• 注：simglucose只支持python3。

主要功能

• 模拟环境遵循OpenAI Gym和RLLab API。它在每一步都返回观察、奖励、完成、信息，这意味着模拟器"强化学习准备就绪"。
• 支持自定义奖励功能。奖赏函数是最后一小时血糖测量值的函数。默认情况下，每一步的奖励是风险[t-1]-风险[t]。风险[t]是本文件中定义的时间t风险指数。
• 支持并行计算。模拟器使用pathos多处理包并行模拟多个患者（您可以通过设置parallel=false）来关闭并行功能。
• 模拟器提供一个随机场景生成器（来自simglucose.simulation.scenario\u gen import randomsenario）和一个自定义场景生成器（来自simglucose.simulation.scenario import customscenario）。命令行用户界面将引导您完成方案设置。
• 模拟器提供了目前最基本的基本弹丸控制器。它提供了非常简单的语法来实现自己的控制器，如模型预测控制、PID控制、强化学习控制等。
• 您可以指定随机种子，以防重复实验。
• 模拟器将在模拟后生成多个性能分析图。这些图包括血糖跟踪图、控制变异性网格分析图、不同区域血糖统计图、危险指数统计图。
• 注意：动画和并行不能在MacOS中同时设置为真。macos中matplotlib的大多数后端不是线程安全的。Windows尚未测试。如果有人测试过，请告诉我结果。

安装

强烈建议使用pip到installsimglucose，按照以下链接安装PIP。

自动安装：

pip install simglucose

手动安装：

git clone https://github.com/jxx123/simglucose.git
cd simglucose

如果安装了pip，则

pip install -e .

如果您没有pip，则

python setup.py install

如果安装了rllab（可选），包将利用rllab中的一些功能。

注意：自动安装版本和手动安装版本之间可能有一些细微的差异。使用git clone和手动安装获取最新版本。

快速启动

使用simglucose作为模拟器并测试控制器

运行模拟器用户界面

fromsimglucose.simulation.user_interfaceimportsimulatesimulate()

您可以自由实现自己的控制器，并在模拟器中进行测试。例如，

fromsimglucose.simulation.user_interfaceimportsimulatefromsimglucose.controller.baseimportController,ActionclassMyController(Controller):def__init__(self,init_state):self.init_state=init_stateself.state=init_statedefpolicy(self,observation,reward,done,**info):'''        Every controller must have this implementation!        ----        Inputs:        observation - a namedtuple defined in simglucose.simulation.env. For                      now, it only has one entry: blood glucose level measured                      by CGM sensor.        reward      - current reward returned by environment        done        - True, game over. False, game continues        info        - additional information as key word arguments,                      simglucose.simulation.env.T1DSimEnv returns patient_name                      and sample_time        ----        Output:        action - a namedtuple defined at the beginning of this file. The                 controller action contains two entries: basal, bolus        '''self.state=observationaction=Action(basal=0,bolus=0)returnactiondefreset(self):'''        Reset the controller state to inital state, must be implemented        '''self.state=self.init_statectrller=MyController(0)simulate(controller=ctrller)

这两个示例也可以在examples\folder中找到。

实际上，您可以通过模拟指定更多的模拟参数

simulate(sim_time=my_sim_time,scenario=my_scenario,controller=my_controller,start_time=my_start_time,save_path=my_save_path,animate=False,parallel=True)

OpenAI健身房使用

• 使用默认奖励

importgym# Register gym environment. By specifying kwargs,# you are able to choose which patient to simulate.# patient_name must be 'adolescent#001' to 'adolescent#010',# or 'adult#001' to 'adult#010', or 'child#001' to 'child#010'fromgym.envs.registrationimportregisterregister(id='simglucose-adolescent2-v0',entry_point='simglucose.envs:T1DSimEnv',kwargs={'patient_name':'adolescent#002'})env=gym.make('simglucose-adolescent2-v0')observation=env.reset()fortinrange(100):env.render(mode='human')print(observation)# Action in the gym environment is a scalar# representing the basal insulin, which differs from# the regular controller action outside the gym# environment (a tuple (basal, bolus)).# In the perfect situation, the agent should be able# to control the glucose only through basal instead# of asking patient to take bolusaction=env.action_space.sample()observation,reward,done,info=env.step(action)ifdone:print("Episode finished after {} timesteps".format(t+1))break

• 定制奖励功能

importgymfromgym.envs.registrationimportregisterdefcustom_reward(BG_last_hour):ifBG_last_hour[-1]>180:return-1elifBG_last_hour[-1]<70:return-2else:return1register(id='simglucose-adolescent2-v0',entry_point='simglucose.envs:T1DSimEnv',kwargs={'patient_name':'adolescent#002','reward_fun':custom_reward})env=gym.make('simglucose-adolescent2-v0')reward=1done=Falseobservation=env.reset()fortinrange(200):env.render(mode='human')action=env.action_space.sample()observation,reward,done,info=env.step(action)print(observation)print("Reward = {}".format(reward))ifdone:print("Episode finished after {} timesteps".format(t+1))break

RLLab用法

pip install simglucose

pip install simglucose

pip install simglucose