返回列表 回复 发帖
问题11的M集周长那肯定是无限长的,至于面积肯定有极限值。
7、et-dem算法:
DEM/M =Distance Estimation Method for Mandelbrot set = Milnor algorithm
距离估计法是刻画M集边界较成熟的算法,它的速度相对来说较快,精确度高,因此是刻画边界的最佳方法。对于该方法,关键是距离dist的计算,经过反复实验用以下两个公式都行,但公式2更好,它可以用于广义M-J集。公式具体含义看文件。
1、dist0 = 2 * |Z0| * log|Z0| / |d0|

2、dist1 = 2 * |Z1| * log|Z1| / |d1|
未命名.JPG

dem不带拉回数据文件.gsp (13.84 KB)

et-dem算法.gsp (21.41 KB)

问题15 dem能用来刻画N集的边界吗?若能算法如何呢?
8、分次迭代
如何提高扫图速度呢?分次迭代或叫接力迭代是可行的方法。它可以对逃逸区和收敛区提前结束迭代。对于边界附近的点,它是否属于M集必须有足够的迭代次数,且放大倍次越高,或说点的精确度越高的边界点它是否属于M集就越需要足够的迭代次数,所以分次迭代对边界点的提速也无能为力,这也就是为什么放大倍数越高速度越慢,分枝越多越靠近边界速度越慢的原因。
前面的456问也可以说明边界点附近扫图速度为什么慢:
4.        在M集和非M集之间,分界线在哪里?有没有一个明确的界线,将M集和非M集划分开来?或者说,能明确地给出这个界线的解析式吗?又或者说,有没有一个明确而简便的方法,使我们可以对任意一个复数C,给出其是否属于M集呢?
5.        如果没有这样的简单方法,也没有这样明确的界线。对于一个给定复数C,是否除了实际验算,就无法给出明确的答案呢?
6.        就算根据前面的定义实际验算,结论也是复杂的。如果经过一定次数的迭代运算,Z的绝对值超出了设定的常数R。那么很好,这个C不属于M集。
但也有可能,就算经过10000次运算,其绝对值还是很小。那么,就可以说C属于M集了吗?不一定!有可能,在接下来的10001次或以后,就可以发现Z的绝对值超出了R。
按理,上述迭代过程是个非常确定性的过程,而且很简单。所以,对于任意一个给定的C,其是否属于M集,应该是确定的。但实际上,对于某些C值,我们有可能无论经过多少次迭代,都无法给出结论,而我们又不能说,这个C就不属于M集了,因为说不定增加迭代次数,就发现超出R了。我有点迷茫和困惑了,这就是混沌吗?
我想到的三种方案:
说明:分次迭代受uuu老师和雪飞扬老师启发,特表示感谢。
1、et做为特征值。
2、et和|Zn-1Zn|做为特征值。
3、et和qn做为特征值。
具体含义见文件。
方案3最快。随着放大倍数的加大3种方案对边界点附近的扫图速度相差不大(好象方案3略快),原因如上分析。遇到“乌龟”就慢。且“乌龟”越大越慢。

et-dem分次迭代文件et.gsp (88.01 KB)
et-dem分次迭代文件qn.gsp (88.4 KB)
问题16 什么特征值能加快边界点附近的扫图速度呢?
大家可以测试一下各种算法的速度:
关键参数:动画速度为0.1,轨迹为细线连续取样500,迭代次数1000到1300不等。
dem算法关键参数D=(0.002左右)除以(unit'/oo'),放大倍数增大可以略微调整分子,分母不动,这是我总结的很重要的经验。
从头学分形-6简易矩形et-dem扫描平台.gsp (144.75 KB)
从头学分形-10矩形小扫描框架et-dem平台分四次迭代-M集et判断.gsp (51.97 KB)
从头学分形-11矩形小扫描框架et-dem平台分四次迭代-M集qn判断.gsp (55.4 KB)
方案2修改如下:
et-dem分次迭代文件(Zn-1Zn)修改.gsp (99.24 KB)
从头学分形-7矩形小扫描框架et-dem平台分4次迭代-M集Zn-1Zn判断.gsp (48.87 KB)
方案3扫图:
未命名7.JPG

未命名6.JPG

[attach]16139[/attach]

未命名4.JPG

未命名3.JPG

未命名2.jpg
未命名5.JPG
79# mjj_ljh


太漂亮了,看了这些图就有扫图的欲望。
返回列表