混沌数学之Feigenbaum模型

1975年,物理学家米切尔·费根鲍姆(Mitchell Feigenbaum)发现,一个可用实验加以测 量的特殊数与每个周期倍化级联相联系。这个数大约是4.669,它与π并列成为似乎在数学及其与自然界的关系中都有非同寻常意 义的离奇数之一。费根鲍姆数也有一个符号:希腊字母δ。数π告 诉我们圆周长如何与圆的直径相关。类似地,费根鲍姆数δ告诉我们水滴周期如何与水的流速相关。准确地说,你必须通过这个额外量旋开水龙头,在每次周期倍化时减小 1/4.669。

π是与圆有关的任何东西的一个定量特征。同理,费根鲍姆数δ是任何周期倍化级联的定量特征,不管级联是如何产生的或如何用实验得出的。这同一个数在关于液氨、水、电路、摆、磁体以及振动车轮的实验中都会出现。它是自然界中一个新的普适模式,是我们仅仅透过混沌之眼就可看到的模式,一个从定性现象产生的 定量模式,一个数。这数确实是自然之数中的一个。费根鲍姆数打开了通往数学新世界的大门,我们才刚刚开始探索这个世界? 费根鲍姆发现的这个精确模式(和谐如此类的其他模式)是一件杰作。其根本点在于,甚至当自然之定律的结果看上去无模式时,定律依然存在,模式亦然。混沌不是无规,它是由精确规律产生的貌似无规的行为。混沌是隐秘形式的秩序。

相关软件:混沌数学之离散点集图形DEMO

相关代码:

// http://wenku.baidu.com/view/a70190fe04a1b0717fd5ddeb.html
class FeigenbaumEquation : public DiscreteEquation
{
public:
    FeigenbaumEquation()
    {
        m_StartX = 0.0f;
        m_StartY = 0.25f;

        m_ParamA = 0.5f;
    }

    void IterateValue(float x, float y, float& outX, float& outY) const
    {
        outX = x+0.00025f;
        outY = m_ParamA*sinf(PI*y);
    }

    bool IsValidParamA() const {return true;}
};

相关截图:

时间: 2024-10-07 04:52:31

混沌数学之Feigenbaum模型的相关文章

混沌数学之logistic模型

logistic回归又称logistic回归分析,主要在流行病学中应用较多,比较常用的情形是探索某疾病的危险因素,根据危险因素预测某疾病发生的概率. 相关DEMO参见:混沌数学之离散点集图形DEMO logistic的用途: 一.寻找危险因素,正如上面所说的寻找某一疾病的危险因素等. 二.预测,如果已经建立了logistic回归模型,则可以根据模型,预测在不同的自变量情况下,发生某病或某种情况的概率有多大. 三.判别,实际上跟预测有些类似,也是根据logistic模型,判断某人属于某病或属于某种

混沌数学之ASin模型

相关软件:混沌数学之离散点集图形DEMO 相关代码: class ASinEquation : public DiscreteEquation { public: ASinEquation() { m_StartX = 0.0f; m_StartY = PI*0.5f; m_ParamA = 0.5f; m_ParamB = 1.0f; } void IterateValue(float x, float y, float& outX, float& outY) const { outX

混沌数学之Standard模型

相关软件混沌数学之离散点集图形DEMO 相关代码: class StandardEquation : public DiscreteEquation { public: StandardEquation() { m_StartX = 0.25f; m_StartY = 0.25f; m_ParamA = 1.0f; } void IterateValue(float x, float y, float& outX, float& outY) const { outX = fmodf(x +

混沌数学之Arnold模型

相关软件混沌数学之离散点集图形DEMO 相关代码: class ArnoldEquation : public DiscreteEquation { public: ArnoldEquation() { m_StartX = 0.25f; m_StartY = 0.25f; } void IterateValue(float x, float y, float& outX, float& outY) const { outX = fmodf(x + y, 1.0f); outY = fmo

混沌数学之二维logistic模型

上一节讲了logistic混沌模型,这一节对其扩充一下讲二维 Logistic映射.它起着从一维到高维的衔接作用,对二维映射中混沌现象的研究有助于认识和预测更复杂的高维动力系统的性态.通过构造一次藕合和二次祸合的二维Logistic映射研究了二维Logistic映射通向混沌的道路,分析了其分形结构和吸引盆的性质,指出选择不同的控制参数,二维映射可分别按Feigenbaum途径等走向混沌,并且指出在控制参数空间中的较大的区域. 二维滞后Logistic映射的数学方程为: x(n+1)=y(n);y

混沌数学及其软件模拟

这几天在研究混沌,并写了些程序将网上能找到的各种混沌模型以图形的形式显示出来. (一)混沌介绍 混沌(Chaos)是指发生在确定系统中的貌似随机的不规则运动,长期以来,人们在认识和描述运动时,大多只局限于线性动力学描述方法,即确定的运动有一个完美确定的解析解.但是自然界在相当多情况下,非线性现象却起着很大的作用.混沌指确定性系统产生的一种对初始条件具有敏感依赖性的回复性非周期运动.混沌理论隶属于非线性科学,只有非线性系统才能产生浑沌运动.1963年美国气象学家Lorenz在分析天气预报模型时,首

混沌数学之拉比诺维奇-法布里康特方程(Rabinovich-Fabrikant equations)

拉比诺维奇-法布里康特方程(Rabinovich-Fabrikant equations)是 1979年苏联物理学家拉比诺维奇和法布里康特提出模拟非平衡介 质自激波动的非线性常微分方程组: dot{x} = y (z - 1 + x^2) + \gamma x dot{y} = x (3z + 1 - x^2) + \gamma y dot{z} = -2z (\alpha + xy) 其中 α, γ 是控制系统的参数. Danca and Chen指出由于拉比诺维奇-法布里康特方程包含平方项,

混沌数学之Chua's circuit(蔡氏电路)

蔡氏电路(英语:Chua's circuit),一种简单的非线性电子电路设计,它可以表现出标准的混沌理论行为. 在1983年,由蔡少棠教授发表,当时他正在日本早稻田大学担任访问学者[1].这个电路的制作容易程度使 它成为了一个无处不在的现实世界的混沌系统的例子,导致一些人声明它是一个“混沌系统的典范”. 通过电磁学定律的应用,蔡氏电路可以被准确的建立数学模型:这是变量x(t), y(t),和z(t)的一个三个非线 性常微分方程的系统,分别是在电容C1和C2上的电压,和在电感L1上的电流强度.这些

混沌数学之Duffing(杜芬)振子

杜芬振子 Duffing oscillator是一个描写强迫振动的振动子,由非线性微分方程表示 杜芬方程列式如下: 其中 γ控制阻尼度 α控制韧度 β控制动力的非线性度 δ驱动力的振幅 ω驱动力的圆频率 杜芬方程没有解析解,但可用龙格-库塔法求得数值解. 当γ>0,杜芬振子呈现极限环振动: 相关软件:混沌数学及其软件模拟相关代码: //http://wenku.baidu.com/view/d51372a60029bd64783e2cc0.html?re=view class DuffingEq