311
个编辑
更改
→不同参数\mu下的极限行为
图8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。最后的数学软件代码如下所示：
图8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。最后的数学软件代码如下所示：
interval = 0.001;
interval = 0.001;
results = Reverse[Transpose[Table[
results = Reverse[Transpose[Table[
logisticValues =
logisticValues =
Table[Nest[a # (1 - #) &, RandomReal[], 2000], {1000}];
Table[Nest[a # (1 - #) &, RandomReal[], 2000], {1000}];
Log[result + 0.001]
Log[result + 0.001]
, {a, 2.9, 4, 0.001}]]];
, {a, 2.9, 4, 0.001}]]];
gradraft =
gradraft =
ArrayPlot[70 + 10 results, FrameLabel -> {"x(T)", "\[Mu]"},
ArrayPlot[70 + 10 results, FrameLabel -> {"x(T)", "\[Mu]"},
FrameTicks -> {Table[{i, N[(i - 1)/(Length[results] - 1)]}, {i,
FrameTicks -> {Table[{i, N[(i - 1)/(Length[results] - 1)]}, {i,
0.1*(Length[results] - 1) + 1,
0.1*(Length[results] - 1) + 1,
1]}, {i, (3 - 2.9) (Length[results<nowiki>[[</nowiki>1<nowiki>]]</nowiki>] - 1)/(4 - 2.9) + 1,
1]}, {i, (3 - 2.9) (Length[results<nowiki>[[</nowiki>1<nowiki>]]</nowiki>] - 1)/(4 - 2.9) + 1,
Length[results<nowiki>[[</nowiki>1<nowiki>]]</nowiki>], (Length[results<nowiki>[[</nowiki>1<nowiki>]]</nowiki>] - 1)/5}]}]
Length[results<nowiki>[[</nowiki>1<nowiki>]]</nowiki>], (Length[results<nowiki>[[</nowiki>1<nowiki>]]</nowiki>] - 1)/5}]}]
其中1000为初始值的个数，2000为迭代的时间步。interval为区域的划分尺度。
其中1000为初始值的个数，2000为迭代的时间步。interval为区域的划分尺度。