Interested Article - Логистическое отображение

Логистическое отображение (также квадратичное отображение или отображение Фейгенбаума ) — это полиномиальное отображение , которое описывает, как меняется численность популяции с течением времени. Его часто приводят в пример того, как из очень простых нелинейных уравнений может возникать сложное, хаотическое поведение. Логистическое отображение — дискретный аналог непрерывного логистического уравнения Ферхюльста ; оно отражает тот факт, что прирост популяции происходит в дискретные моменты времени.

Математическая формулировка отображения

где:

принимает значения от 0 до 1 и отражает отношение значения популяции в -ом году к максимально возможному, а обозначает начальную численность (в год номер 0);
— положительный параметр, характеризующий скорость размножения (роста) популяции.

Иногда эта формулировка называется отображением Ферхюльста (или Ферхюльста- Пирла ), а логистическим отображением называется другая, но эквивалентная по свойствам формула :

Это нелинейное отображение описывает два эффекта:

  • с одной стороны, когда численность популяции мала, она размножается со скоростью, пропорциональной этой численности;
  • с другой стороны, поскольку популяция обитает в среде с ограниченной «ёмкостью», то при росте плотности популяции скорость размножения падает, возрастает конкуренция и смертность.

Одним из недостатков использования отображения в качестве демографической модели является тот факт, что при некоторых начальных значениях и величинах параметров отображение даёт отрицательные значения численности популяции. Этого недостатка лишена дискретная модель Рикера , которая также демонстрирует хаотическое поведение.

Зависимость поведения от параметра r

При изменении значения параметра , в системе наблюдается следующее поведение .

  • Если больше 0 и меньше 1, популяция в конце концов вымрет, независимо от начальных условий.
  • Если больше 1 и меньше 2, численность популяции быстро выйдет на стационарное значение , независимо от начальных условий.
  • Если больше 2 и меньше 3, численность популяции точно так же придёт к тому же стационарному значению , но вначале будет несколько колебаться вокруг него. Скорость сходимости линейна везде, кроме значения =3, при котором она крайне мала, меньше линейной.
  • Если больше 3 и меньше (приблизительно 3.45), численность популяции будет бесконечно колебаться между двумя значениями.
  • Если больше 3.45 и меньше 3.54 (приблизительно), то численность популяции будет бесконечно колебаться между четырьмя значениями.
  • При значении больше 3.54, численность популяции будет колебаться между 8 значениями, потом 16, 32 и так далее. Длина интервала изменения параметра, при котором наблюдаются колебания между одинаковым количеством значений, уменьшается по мере увеличения . Отношение между двумя длинами смежных интервалов стремится к константе Фейгенбаума , равной δ ≈ 4.669... Подобное поведение является типичным примером каскада бифуркаций удвоения периода.
  • При значении приблизительно равном 3.57, начинается хаотическое поведение, а каскад удвоений заканчивается. Колебания больше не наблюдаются. Небольшие изменения в начальных условиях приводят к несопоставимым отличиям дальнейшего поведения системы во времени, что является основной характеристикой хаотического поведения.
  • Большинство значений, превышающих 3.57, демонстрируют хаотическое поведение, однако существуют узкие, изолированные «окна» значений , при которых система ведёт себя регулярно, обычно их называют «окнами периодичности». К примеру, начиная со значения (приблизительно 3.83), существует интервал параметров , при котором наблюдаются колебания между тремя значениями, а для больших значений — между 6, потом 12 и т. д. фактически, в системе можно найти периодические колебания с любым количеством значений. Последовательность смены количества значений удовлетворяет порядку Шарковского .
  • При > 4, значения отображения покидают интервал [0,1] и расходятся при любых начальных условиях.

Итог вышеперечисленного приведён на бифуркационной диаграмме . По оси абсцисс отложены значения параметра , а по оси ординат — принимаемые на больших временах значения .

Бифуркационная диаграмма логистического отображения

Структура бифуркационной диаграммы самоподобна : если увеличить область, к примеру, при значении = 3.82 в одном из трёх ответвлений, то можно увидеть, что тонкая структура этой области выглядит, как искажённая и размытая версия всей диаграммы. То же самое верно для любой окрестности нехаотических точек. Это пример глубокой связи между хаотическими системами и фракталами .

Программа для построения бифуркационной диаграммы

Следующая программа на языке Python строит бифуркационную диаграмму.

import matplotlib.pyplot as plt

x3 = 0.01
s = []
c = []
l = 0.01
for j in range(200):
    x0=x3
    for i in range(200):
        x0 = 1 - l*x0*x0
        s.append(x0)
        c.append(l)
    x3=x0
    l += 0.01

plt.plot(c,s,'r.',ms=1)
plt.show()

Аналитическое решение

Для точное аналитическое решение выглядит следующим образом:

Примечания

  1. от 22 марта 2012 на Wayback Machine в Физической энциклопедии
  2. В. Н. Думачев, В. А. Родин. . — Math-Net.ru, 2005. — Т. 17 , вып. 7 . — С. 11-22 . 29 января 2011 года.
  3. « от 13 мая 2008 на Wayback Machine » at homepage of Dr Evgeny Demidov.

См. также

Источник —

Same as Логистическое отображение