311
个编辑
更改
跳到导航
跳到搜索
第3行：
第3行： − + 第36行：
第36行： − + 第135行：
第135行： − + 第235行：
第235行： − +
无编辑摘要
|description=logistics映射,logistics模型
|description=logistics映射,logistics模型
}}
}}
[[File:logistics .png|400px|thumb|right|以美国人口为例，使用logistics模型来拟合1800年后的人口数据：<math>x(t)=\frac{K}{1+(\frac{K}{x_0}-1)e^{-rt}}</math>，其中<math>K</math>为最大容纳量]]
[[File:logistic .png|400px|thumb|right|以美国人口为例，使用logistics模型来拟合1800年后的人口数据：<math>x(t)=\frac{K}{1+(\frac{K}{x_0}-1)e^{-rt}}</math>，其中<math>K</math>为最大容纳量]]
'''logistics映射'''，又称单峰映象，是一个二次多项式映射(递归关系)，经常作为典型范例来说明复杂的混沌现象是如何从非常简单的非线性动力学方程中产生的。生物学家[[罗伯特·梅 Robert May]] <ref name="May, Robert M 1976">{{cite journal |last=May |first=Robert M. |year=1976 |title=Simple mathematical models with very complicated dynamics |journal=Nature (journal) |volume=261 |issue=5560 |pages=459–467 |doi=10.1038/261459a0 |bibcode=1976Natur.261..459M |pmid=934280 |hdl=10338.dmlcz/104555 |hdl-access=free }}</ref>在1976年的一篇论文中推广了这一映射，<ref>"{{MathWorld | urlname=logisticsEquation | title= logistics Equation}}</ref>它在一定程度上是一个时间离散的人口统计模型，类似于'''皮埃尔·弗朗索瓦·韦胡斯特 Pierre Francois Verhulst''' 首次提出的方程。
'''logistics映射'''，又称单峰映象，是一个二次多项式映射(递归关系)，经常作为典型范例来说明复杂的混沌现象是如何从非常简单的非线性动力学方程中产生的。生物学家[[罗伯特·梅 Robert May]] <ref name="May, Robert M 1976">{{cite journal |last=May |first=Robert M. |year=1976 |title=Simple mathematical models with very complicated dynamics |journal=Nature (journal) |volume=261 |issue=5560 |pages=459–467 |doi=10.1038/261459a0 |bibcode=1976Natur.261..459M |pmid=934280 |hdl=10338.dmlcz/104555 |hdl-access=free }}</ref>在1976年的一篇论文中推广了这一映射，<ref>"{{MathWorld | urlname=logisticsEquation | title= logistics Equation}}</ref>它在一定程度上是一个时间离散的人口统计模型，类似于'''皮埃尔·弗朗索瓦·韦胡斯特 Pierre Francois Verhulst''' 首次提出的方程。
==数值试验==
==数值试验==
[[File:logistics_map_animation.gif|400px|thumb|center|图1]]
[[File:logistic_map_animation.gif|400px|thumb|center|图1]]
首先，可以用一系列数值试验的方法来探讨这个迭代方程。如果使用Mathematica数学软件，只需要用两句话就能实现这个迭代：
首先，可以用一系列数值试验的方法来探讨这个迭代方程。如果使用Mathematica数学软件，只需要用两句话就能实现这个迭代：
===<math>3.6<μ<4</math>===
===<math>3.6<μ<4</math>===
[[File:450px-logistics_map.gif|400px|thumb|图7 不同的初始条件下关于μ的函数 （横轴的r为μ）]]
[[File:450px-logistic_map.gif|400px|thumb|图7 不同的初始条件下关于μ的函数 （横轴的r为μ）]]
当参数<math>\mu</math>从大约3.56995变化到3.82843时，logistics映射的混沌行为的发展过程有时被称为the Pomeau–Manneville scenario，其特征是周期性(层流)阶段被非周期性行为突然打断。The Pomeau–Manneville scenario在半导体器件中有应用。<ref name="carson82">{{cite journal|first1=Carson |last1=Jeffries|first2=José |last2=Pérez |journal=Physical Review A|year=1982|title=Observation of a Pomeau–Manneville intermittent route to chaos in a nonlinear oscillator|volume=26 |issue=4 |pages=2117–2122|doi=10.1103/PhysRevA.26.2117|bibcode = 1982PhRvA..26.2117J |url=http://www.escholarship.org/uc/item/2dm2k8mm}}</ref> 此时函数值在5个值之间来回波动;所有的振荡周期都依赖于<math>\mu</math>。带参数<math>c</math>的倍周期是由一系列子序列组成的<math>\mu</math>值范围。第k个子区间包含了<math>\mu</math>的值，其中有一个<math>2^{k}c</math>的稳定周期(一个周期吸引了一组单位测度的初始点)。这个子范围的序列称为谐波级联cascade of harmonics。<ref name="May">{{cite journal | first = R. M. |last=May | title = Simple mathematical models with very complicated dynamics | journal = Nature | year = 1976 | volume = 261 | issue = 5560 | pages = 459–67 | doi = 10.1038/261459a0 | pmid = 934280|bibcode = 1976Natur.261..459M | hdl = 10338.dmlcz/104555 | hdl-access = free }}</ref> 在一个稳定周期为<math>2^{k^*}c</math>的子范围内，所有<math>k < k^*</math>都存在周期为<math>2^{k}c</math>的不稳定周期。在无限子区间序列末端的<math>\mu</math>值称为谐波级联的积累点。随着<math>\mu</math>的升高，出现了一系列具有不同<math>c</math>值的新窗口。第一个是<math>c</math> = 1;所有包含奇数<math>c</math>的后续窗口都以<math>c</math>的递减顺序出现，以任意大的<math>c</math>开始。<ref name="May" /><ref>{{cite journal |last1=Baumol |first1=William J. |last2=Benhabib |first2=Jess |title=Chaos: Significance, Mechanism, and Economic Applications |journal=Journal of Economic Perspectives]] |date=February 1989 |volume=3 |issue=1 |pages=77–105 |doi=10.1257/jep.3.1.77 }}</ref>
当参数<math>\mu</math>从大约3.56995变化到3.82843时，logistics映射的混沌行为的发展过程有时被称为the Pomeau–Manneville scenario，其特征是周期性(层流)阶段被非周期性行为突然打断。The Pomeau–Manneville scenario在半导体器件中有应用。<ref name="carson82">{{cite journal|first1=Carson |last1=Jeffries|first2=José |last2=Pérez |journal=Physical Review A|year=1982|title=Observation of a Pomeau–Manneville intermittent route to chaos in a nonlinear oscillator|volume=26 |issue=4 |pages=2117–2122|doi=10.1103/PhysRevA.26.2117|bibcode = 1982PhRvA..26.2117J |url=http://www.escholarship.org/uc/item/2dm2k8mm}}</ref> 此时函数值在5个值之间来回波动;所有的振荡周期都依赖于<math>\mu</math>。带参数<math>c</math>的倍周期是由一系列子序列组成的<math>\mu</math>值范围。第k个子区间包含了<math>\mu</math>的值，其中有一个<math>2^{k}c</math>的稳定周期(一个周期吸引了一组单位测度的初始点)。这个子范围的序列称为谐波级联cascade of harmonics。<ref name="May">{{cite journal | first = R. M. |last=May | title = Simple mathematical models with very complicated dynamics | journal = Nature | year = 1976 | volume = 261 | issue = 5560 | pages = 459–67 | doi = 10.1038/261459a0 | pmid = 934280|bibcode = 1976Natur.261..459M | hdl = 10338.dmlcz/104555 | hdl-access = free }}</ref> 在一个稳定周期为<math>2^{k^*}c</math>的子范围内，所有<math>k < k^*</math>都存在周期为<math>2^{k}c</math>的不稳定周期。在无限子区间序列末端的<math>\mu</math>值称为谐波级联的积累点。随着<math>\mu</math>的升高，出现了一系列具有不同<math>c</math>值的新窗口。第一个是<math>c</math> = 1;所有包含奇数<math>c</math>的后续窗口都以<math>c</math>的递减顺序出现，以任意大的<math>c</math>开始。<ref name="May" /><ref>{{cite journal |last1=Baumol |first1=William J. |last2=Benhabib |first2=Jess |title=Chaos: Significance, Mechanism, and Economic Applications |journal=Journal of Economic Perspectives]] |date=February 1989 |volume=3 |issue=1 |pages=77–105 |doi=10.1257/jep.3.1.77 }}</ref>
==混沌与logistics映射==
==混沌与logistics映射==
[[File:Iterated_logistics_functions.svg.png|thumb|400px|图9 logistics映射<math>f</math> (blue)及其迭代版本<math>f^2、f^3、f^4</math>和<math>f^5</math>, <math>\mu</math> = 3.5。例如，对于横轴上的任意初始值，<math>f^4</math>给出后面迭代4次的值|right]]
[[File:Iterated_logistic_functions.svg.png|thumb|400px|图9 logistics映射<math>f</math> (blue)及其迭代版本<math>f^2、f^3、f^4</math>和<math>f^5</math>, <math>\mu</math> = 3.5。例如，对于横轴上的任意初始值，<math>f^4</math>给出后面迭代4次的值|right]]
logistics映射<math> f</math> (blue)在<math>\mu</math>=3.5的条件下进行迭代，得到<math> f^2</math>、<math> f^3</math> 、<math> f^4</math>和 <math> f^5</math>。 例如，对于水平轴上的任何初始值，<math> f^4</math>为四次迭代之后得到的值。和其他混沌系统比较，logistics映射的相对简单性使它成为考虑混沌概念的一个广泛使用的切入点。简单来说，混沌就是对初始条件的高度灵敏度。<math>\mu</math>=3.5是在3.57及4之间的大部分数值都可以使logistics映射出现该特性。<ref name="May, Robert M 1976" /> 由于映射本身对定义域的拉伸及折叠，使得其对初始条件有高度灵敏度,故表现出来了混沌特性。logistics映射的二次差分方程可视为是对于区间(0,1)拉伸及折叠的过程。<ref name="Gleick">{{cite book |last=Gleick |first=James |title=Chaos: Making a New Science |year=1987 |publisher=Penguin Books |location=London |isbn=978-0-14-009250-9 }}</ref>
logistics映射<math> f</math> (blue)在<math>\mu</math>=3.5的条件下进行迭代，得到<math> f^2</math>、<math> f^3</math> 、<math> f^4</math>和 <math> f^5</math>。 例如，对于水平轴上的任何初始值，<math> f^4</math>为四次迭代之后得到的值。和其他混沌系统比较，logistics映射的相对简单性使它成为考虑混沌概念的一个广泛使用的切入点。简单来说，混沌就是对初始条件的高度灵敏度。<math>\mu</math>=3.5是在3.57及4之间的大部分数值都可以使logistics映射出现该特性。<ref name="May, Robert M 1976" /> 由于映射本身对定义域的拉伸及折叠，使得其对初始条件有高度灵敏度,故表现出来了混沌特性。logistics映射的二次差分方程可视为是对于区间(0,1)拉伸及折叠的过程。<ref name="Gleick">{{cite book |last=Gleick |first=James |title=Chaos: Making a New Science |year=1987 |publisher=Penguin Books |location=London |isbn=978-0-14-009250-9 }}</ref>