275
个编辑
更改
跳到导航
跳到搜索
第214行：
第214行： − + − + − − − − − − − 元胞自动机的复杂度的量化可使用0-阶图复杂度，即算术复杂度。
→实例
5. 如果模型复杂度收敛，意味着重建好了一个合适的ϵ-机器，程序退出。
5. 如果模型复杂度收敛，意味着重建好了一个合适的ϵ-机器，程序退出。
==实例==
==混沌动力学实例==
接下来将采用具体的方法来演示如何将计算力学的理论付诸实践。要演示的是混沌动力学中的逻辑斯谛映射(logistic map)，特别是其周期倍增的混沌路径。用于重建模型的数据流来自逻辑斯谛映射的轨迹，当它以吸引子上的初始条件启动时，可以让观察到的过程是平稳的。轨迹是通过迭代映射<math>x_{n+1}=f(x_n)</math>生成的，迭代函数为<math>f(x) = rx(1-x)</math>，其中非线性参数<math>\begin{matrix}r&\in&[0,4]\end{matrix}</math>，初始条件<math>x_0\in[0,1]</math>，迭代函数的最大值出现在<math>x_c = \frac12</math>。通过二元分割观察轨迹<math>\mathbf{x}=x_0x_1x_2x_3\ldots </math> ，将其转换为离散序列<math>\mathcal{P}=\{x_n\in[0,x_c)\Rightarrow s=0,x_n\in[x_c,1]\Rightarrow s=1\} </math>，这种划分是“生成”的，这意味着足够长的二进制序列来自任意小的初始条件间隔。因此，可以使用粗粒化的观测来研究迭代函数<math>\mathcal{P} </math>中的信息处理。
===逻辑斯谛映射===
[[Logistic映射|逻辑斯谛（Logistic）映射]]求取迭代函数的极值，此极值可能呈现单周期、倍周期等现象。
===元胞自动机===
==参考文献==
==参考文献==