更改

为了概括上述各种数值模拟试验的结果，我们用下面的相图来表示不同<math>\mu</math>值对应的极限行为。

为了概括上述各种数值模拟试验的结果，我们用下面的相图来表示不同<math>\mu</math>值对应的极限行为。

[[File:300px-Final.png|630px|right|图7 不同参数情况下的Logistic映射的极限行为]]

<!--[[File:300px-Final.png|630px|right|图7 不同参数情况下的Logistic映射的极限行为]]-->

[[文件:Https://en.wikipedia.org/wiki/Logistic map|500px|右|缩略图|Logistic映射在不同参数[math]\mu[/mu]下的极限行为，来源：wikipedia的Logistic Map词条]]

图7中显示的每一个参数<math>\mu</math>所对应的迭代的极限行为。在相同的参数下，我们通过从不同的初始值（共有1000个）开始迭代足够多的次数（T=2000次），记录下这些数据点对应的<math>x(T)</math>值。为了让显示效果更好看，我们对处于相同区域的数据点进行了归并，从而可以用某一点灰度的大小来表示该区域数据点的多少。最后的[[Mathematica]]代码如下所示：

图7中显示的每一个参数<math>\mu</math>所对应的迭代的极限行为。在相同的参数下，我们通过从不同的初始值（共有1000个）开始迭代足够多的次数（T=2000次），记录下这些数据点对应的<math>x(T)</math>值。为了让显示效果更好看，我们对处于相同区域的数据点进行了归并，从而可以用某一点灰度的大小来表示该区域数据点的多少。最后的[[Mathematica]]代码如下所示：