在初始化时，我们根据 Hashrate Index 和 General Mining Research 以及其他一些来源的数据，提供了市场上矿机的默认分层和价格数据。用户可以在模拟之前自定义：

价格数据：Hashrate Index, General Mining Research。算力百分比：基于各种来源的估算

参考阅读 :

《Bitcoin runs on Hashrate》

https://www.gmr.xyz/

电费分布和矿机分层是每个矿工矿机数量的输入。这代表了矿工作业的矿机数量。需要注意的是，在实践中，这两个分布并不像模型中假设的那样在统计上是独立的—例如，像 S9 这样的老矿机更有可能是由能够获得更便宜电力的矿工操作。

在模拟开始时，所有矿工的矿机数量算力的总和被缩放为大致等于当前网络算力水平，这个数值是从 *Coin Metrics** 中收集的。

参考阅读 :

https://charts.coinmetrics.io/network-data/

为了跟踪矿工的表现，我们在矿工类别中加入了一个简单的账户余额和历史利润计算器。

• 账户余额
  1. 美元仓位
  2. 比特币仓位
  3. 算力仓位

初始算力仓位为矿工的矿机数 *矿机类型算力。

• 盈利能力

  1. 每日盈利
  2. 最近 30 天盈利
  3. 全部盈利

随着市场的发展，盈利能力决定了矿工的行为。我们将在下一节中介绍该机制。最近 30 天盈利和全部盈利是延伸盈利的总和。

下面是一个示例矿工类的所有数据条目。矿工类的代码可以在 agents.py 文件中找到。

参考阅读 :

https://github.com/khelmy/intelligent-bitcoin-miner/blob/main/agents.py

矿工的效用函数

当预期盈利能力较高时，矿工可能会想要购买更多的矿机，当预期未来盈利能力为负时，他们可能会关闭一些矿机以减少运营费用。我们需要准确定义矿工如何增加或减少他们的算力。

在现实中，还会有许多外部因素驱使矿工决定购买或关闭矿机，比如是不是能从外部融资，甚至于他们是不是太累了。为了简单起见，我们将矿工的历史利润作为矿工决策过程中的主要输入进行建模。

决策流程将最近 30 天盈利作为输入，并计算用于生成操作的结果。计算过程如下：

如果最近 30 天盈利为零或负数，矿工将矿机数量减少 x，直到盈亏平衡。计算方法很简单：损失（最近 30 天盈利）除以每台矿机的能耗成本。 (责任编辑：admin)