混沌迭代现象的观察

2021-04-19 10:35:05 阅读：197 来源： 互联网

混沌系统源于迭代，某些迭代函数会导致混沌现象的产生，迭代是一个确定的系统，但是也会产生仿佛随机系统一样的现象。例如人口模型常用的Logistic方程。

$$x_{t+1} = \alpha \times x_t (1-x_t) $$

$$在迭代参数 \alpha 取不同值的时候会产生不同得迭代结果，可能收敛于确定值，也可能产生混沌线性。$$

以Python程序来进行测试

$$其中 alpha \in (0, 4) , x \in (0, 1)$$

import numpy as np
import matplotlib.pyplot as plt


# \sigma \in (0, 4)
# x0 \in (0, 1) 无影响
def logistic_function(x, sigma):
    return sigma*x*(1-x)


def getSeries(x0, sigma, length):
    res = np.zeros(length)
    res[0] = x0
    for i in range(1, len(res)):
        res[i] = logistic_function(res[i-1], sigma)
    return res


def showPlot():
    length = 20

    # fig = plt.figure(figsize=(9, 9))
    # # 布局， 间隔
    # fig.subplots_adjust(left=0, right=1, bottom=0, top=1, hspace=0.02, wspace=0.02)
    for i in range(25):
        # ax = fig.add_subplot(5, 5, i + 1, xticks=[], yticks=[])
        # ax.scatter(range(length), getSeries(0.1 + 0.2*int(i/5), 0.3+0.5*int(i % 5), length), color="blue")
        # ax.text(2, 2, "x0=%.2f, sigma=%.2f" % (0.1+0.2*int(i/5), 0.3+0.5*int(i % 5)))

        plt.scatter(range(length), getSeries(0.1+0.2*int(i/5), 0.3+0.5*int(i % 5), length), color="blue")
        plt.title("x0=%.2f, sigma=%.2f" % (0.1+0.2*int(i/5), 0.3+0.5*int(i % 5)))
        plt.savefig("chaosImgs2/x0=%.2f, sigma=%.2f.png" % (0.1+0.2*int(i/5), 0.3+0.5*int(i % 5)), dpi=300, format='png')
    # plt.show()


if __name__ == '__main__':
    showPlot()

程序画出不同迭代参数和不同初始值的25张图，并保存本地，结果如下（注释部分是画5行5列的图）

$$结果可见， \sigma 越大越趋于混沌 $$

标签：%.,迭代,int,混沌,2f,length,观察,sigma
来源： https://www.cnblogs.com/zhaoke271828/p/14675774.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

混沌迭代现象的观察