Теория хаоса - Chaos theory - Wikipedia

Сюжет о Аттрактор Лоренца для ценностей р = 28, σ = 10, б = 8/3
Анимация двухстержневой маятник при промежуточной энергии демонстрирует хаотическое поведение. Запуск маятника с немного другого начальное состояние приведет к совершенно другому траектория. Двухстержневой маятник - одна из простейших динамических систем с хаотическими решениями.

Теория хаоса это филиал математика уделяя особое внимание изучению хаосдинамические системы чьи явно случайные состояния беспорядка и нерегулярности на самом деле управляются лежащими в основе паттернами и детерминированными законами, которые очень чувствительны к первоначальные условия.[1][2] Теория хаоса - это междисциплинарная теория, утверждающая, что в пределах очевидной случайности хаотические сложные системы, есть лежащие в основе закономерности, взаимосвязанность, постоянство петли обратной связи, репетиция, самоподобие, фракталы, и самоорганизация.[3] В эффект бабочки, лежащий в основе принцип хаоса, описывает, как небольшое изменение в одном состоянии детерминированный нелинейная система может привести к большим различиям в более позднем состоянии (это означает, что существует чувствительная зависимость от начальных условий).[4] Метафора этого поведения состоит в том, что бабочка машет крыльями в Техас может вызвать ураган в Китай.[5]

Небольшие различия в начальных условиях, например, из-за ошибок в измерениях или из-за ошибок округления в численных вычислениях, могут привести к сильно различающимся результатам для таких динамических систем, делая долгосрочное прогнозирование их поведения в целом невозможным.[6] Это может произойти, даже если эти системы детерминированный, что означает, что их будущее поведение следует уникальной эволюции[7] и полностью определяется их начальными условиями, без случайный задействованные элементы.[8] Другими словами, детерминированная природа этих систем не делает их предсказуемыми.[9][10] Такое поведение известно как детерминированный хаос, или просто хаос. Теория была резюмирована Эдвард Лоренц в качестве:[11]

Хаос: когда настоящее определяет будущее, но приблизительное настоящее не определяет будущее приблизительно.

Хаотическое поведение существует во многих естественных системах, включая поток жидкости, нарушения сердечного ритма, погода и климат.[12][13][7] Это также происходит спонтанно в некоторых системах с искусственными компонентами, такими как фондовый рынок и дорожное движение.[14][3] Такое поведение можно изучить с помощью анализа хаотической математическая модель, или с помощью аналитических методов, таких как графики повторяемости и Карты Пуанкаре. Теория хаоса имеет приложения в различных дисциплинах, включая метеорология,[7] антропология,[15] социология, физика,[16] наука об окружающей среде, Информатика, инженерное дело, экономика, биология, экология, пандемия антикризисное управление,[17][18] и философия. Теория легла в основу таких областей исследований, как сложные динамические системы, край хаоса теория и самосборка процессы.

Вступление

Теория хаоса касается детерминированных систем, поведение которых в принципе можно предсказать. Хаотические системы какое-то время предсказуемы, а затем «кажутся» случайными. Время, в течение которого поведение хаотической системы может быть эффективно предсказано, зависит от трех вещей: насколько неопределенности можно допустить в прогнозе, насколько точно ее текущее состояние может быть измерено, и временного масштаба, зависящего от динамики системы. , называется Ляпуновское время. Некоторые примеры времен Ляпунова: хаотические электрические цепи, около 1 миллисекунды; погодные системы, несколько дней (бездоказательно); внутренняя солнечная система - от 4 до 5 миллионов лет.[19] В хаотических системах неопределенность прогноза увеличивается. экспоненциально с истекшим временем. Следовательно, математически увеличение времени прогноза вдвое больше, чем квадрат пропорциональной неопределенности прогноза. Это означает, что на практике осмысленный прогноз не может быть сделан на интервале более чем в два или три раза превышающем время Ляпунова. Когда невозможно сделать значимые прогнозы, система кажется случайной.[20]

Хаотическая динамика

Карта определена Икс → 4 Икс (1 – Икс) и у → (Икс + у) мод 1 отображает чувствительность к начальным положениям x. Здесь две серии Икс и у значения заметно расходятся со временем от крошечной начальной разницы.

В обиходе «хаос» означает «состояние беспорядка».[21][22] Однако в теории хаоса этот термин определяется более точно. Хотя общепринятого математического определения хаоса не существует, обычно используемое определение, первоначально сформулированное Роберт Л. Девани, говорит, что для классификации динамической системы как хаотической она должна обладать следующими свойствами:[23]

  1. Это должно быть чувствителен к начальным условиям,
  2. Это должно быть топологически транзитивный,
  3. это должно быть плотный периодические орбиты.

В некоторых случаях было показано, что последние два свойства выше фактически подразумевают чувствительность к начальным условиям.[24][25] В случае дискретного времени это верно для всех непрерывных отображений в метрических пространствах.[26] В этих случаях, хотя это часто является наиболее значимым с практической точки зрения свойством, в определении нет необходимости указывать «чувствительность к начальным условиям».

Если внимание ограничено интервалы, второе свойство влечет два других.[27] Альтернативное и обычно более слабое определение хаоса использует только первые два свойства из приведенного выше списка.[28]

Хаос как самопроизвольное нарушение топологической суперсимметрии

В динамических системах с непрерывным временем хаос - это явление спонтанного нарушения топологической суперсимметрии, которое является внутренним свойством операторов эволюции всех стохастических и детерминированных (частных) дифференциальных уравнений.[29][30] Эта картина динамического хаоса работает не только для детерминированных моделей, но и для моделей с внешним шумом, что является важным обобщением с физической точки зрения, поскольку в действительности все динамические системы испытывают влияние их стохастической среды. В рамках этой картины дальнодействующее динамическое поведение, связанное с хаотической динамикой (например, эффект бабочки ) является следствием Теорема Голдстоуна - в приложении к спонтанному нарушению топологической суперсимметрии.

Чувствительность к начальным условиям

Уравнения Лоренца используются для построения графиков для переменной y. Начальные условия для Икс и z остались прежними, но для у были изменены между 1.001, 1.0001 и 1.00001. Значения для , и мы 45.92, 16 и 4 соответственно. Как видно из графика, даже малейшая разница в начальных значениях вызывает значительные изменения примерно через 12 секунд эволюции в трех случаях. Это пример чувствительной зависимости от начальных условий.

Чувствительность к начальным условиям означает, что каждая точка в хаотической системе произвольно близко аппроксимируется другими точками, которые имеют существенно разные будущие пути или траектории. Таким образом, сколь угодно малое изменение или возмущение текущей траектории может привести к значительно иному поведению в будущем.[3]

Чувствительность к начальным условиям широко известна как "эффект бабочки ", так называемый из-за названия статьи, данной Эдвард Лоренц в 1972 г. Американская ассоциация развития науки в Вашингтоне, округ Колумбия, под названием Предсказуемость: вызывает ли взмах крыльев бабочки в Бразилии торнадо в Техасе?.[31] Махающее крыло представляет собой небольшое изменение начального состояния системы, которое вызывает цепочку событий, которая препятствует предсказуемости крупномасштабных явлений. Если бы бабочка не махала крыльями, траектория всей системы могла бы быть совершенно иной.

Следствием чувствительности к начальным условиям является то, что если мы начнем с ограниченного количества информации о системе (как это обычно бывает на практике), то по истечении определенного времени система больше не будет предсказуемой. Это наиболее распространено в случае погоды, которая обычно предсказуема только на неделю вперед.[32] Это не означает, что нельзя утверждать что-либо о событиях далекого будущего - только то, что существуют некоторые ограничения для системы. Например, мы знаем с помощью погоды, что температура на Земле естественным образом не достигнет 100 ° C или упадет до -130 ° C (во время текущего геологическая эпоха ), но это не означает, что мы можем точно предсказать, в какой день будет самая жаркая температура в году.

Говоря более математически, Показатель Ляпунова измеряет чувствительность к начальным условиям в виде скорости экспоненциального отклонения от возмущенных начальных условий.[33] Точнее, учитывая два стартовых траектории в фазовое пространство бесконечно близкие, с начальным разделением , две траектории расходятся со скоростью, определяемой

куда время и - показатель Ляпунова. Скорость разделения зависит от ориентации исходного вектора разделения, поэтому может существовать целый спектр показателей Ляпунова. Число показателей Ляпунова равно количеству измерений фазового пространства, хотя принято относиться к самому большому из них. Например, наиболее часто используется максимальный показатель Ляпунова (MLE), поскольку он определяет общую предсказуемость системы. Положительный MLE обычно считается признаком хаотичности системы.[7]

В дополнение к указанному выше свойству существуют и другие свойства, связанные с чувствительностью начальных условий. К ним относятся, например, теоретико-мерный смешивание (как обсуждалось в эргодический теории) и свойств K-система.[10]

Непериодичность

Хаотическая система может иметь последовательности значений для развивающейся переменной, которые точно повторяются, обеспечивая периодическое поведение, начиная с любой точки этой последовательности. Однако такие периодические последовательности скорее отталкивают, чем привлекают, а это означает, что если развивающаяся переменная находится вне последовательности, даже если она близка, она не войдет в последовательность и фактически будет отклоняться от нее. Таким образом, для почти все начальных условиях, переменная эволюционирует хаотически с непериодическим поведением.

Топологическое перемешивание

Шесть итераций набора состояний прошли логистическую карту. Первая итерация (синий цвет) - это начальное условие, которое по сути образует круг. Анимация показывает с первой по шестую итерацию круговых начальных условий. Видно, что смешивание происходит по мере продвижения итераций. Шестая итерация показывает, что точки практически полностью разбросаны в фазовом пространстве. Если бы мы продвинулись дальше в итерациях, перемешивание было бы однородным и необратимым. Логистическая карта имеет уравнение . Чтобы расширить пространство состояний логистической карты до двух измерений, второго состояния, , был создан как , если и иначе.
Карта определена Икс → 4 Икс (1 – Икс) и у → (Икс + у) мод 1 также отображает топологическое перемешивание. Здесь синяя область трансформируется динамикой сначала в фиолетовую область, затем в розовую и красную области и, в конечном итоге, в облако вертикальных линий, разбросанных по пространству.

Топологическое перемешивание (или более слабое условие топологической транзитивности) означает, что система развивается с течением времени, так что любая заданная область или открытый набор своего фазовое пространство в конечном итоге перекрывается с любым другим заданным регионом. Это математическое понятие «смешение» соответствует стандартной интуиции, а смешение цветных красители или жидкости - пример хаотической системы.

Топологическое смешение часто опускается в популярных описаниях хаоса, которые приравнивают хаос только к чувствительности к начальным условиям. Однако чувствительная зависимость только от начальных условий не дает хаоса. Например, рассмотрим простую динамическую систему, полученную путем многократного удвоения начального значения. Эта система повсюду чувствительно зависит от начальных условий, так как любая пара близлежащих точек со временем оказывается далеко разнесенной. Однако в этом примере нет топологического перемешивания и, следовательно, нет хаоса. В самом деле, его поведение чрезвычайно простое: все точки, кроме 0, стремятся к положительной или отрицательной бесконечности.

Топологическая транзитивность

Карта называется топологически транзитивным, если для любой пары открытые наборы , Существует такой, что . Топологическая транзитивность - это более слабая версия топологическое перемешивание. Интуитивно, если карта топологически транзитивна, то для данной точки Икс и регион V, существует точка у возле Икс чья орбита проходит через V. Это означает, что невозможно разложить систему на два открытых множества.[34]

Важной связанной теоремой является теорема Биркгофа о транзитивности. Легко видеть, что существование плотной орбиты влечет за собой топологическую транзитивность. Теорема Биркгофа утверждает, что если Икс это второй счетный, полное метрическое пространство, то из топологической транзитивности следует существование плотный набор очков в Икс которые имеют плотные орбиты.[35]

Плотность периодических орбит

Чтобы хаотическая система имела плотный периодические орбиты означает, что к каждой точке пространства можно произвольно приближаться по периодическим орбитам.[34] Одномерный логистическая карта определяется Икс → 4 Икс (1 – Икс) одна из простейших систем с плотностью периодических орбит. Например,  →  → (или приблизительно 0,3454915 → 0,9045085 → 0,3454915) является (нестабильной) орбитой периода 2, и аналогичные орбиты существуют для периодов 4, 8, 16 и т. д. (действительно, для всех периодов, указанных Теорема Шарковского ).[36]

Теорема Шарковского лежит в основе теории Ли и Йорка.[37] (1975) доказывают, что любая непрерывная одномерная система, которая демонстрирует регулярный цикл периода три, также будет отображать регулярные циклы любой другой длины, а также полностью хаотические орбиты.

Странные аттракторы

В Аттрактор Лоренца демонстрирует хаотичное поведение. Эти два графика демонстрируют чувствительную зависимость от начальных условий в области фазового пространства, занятой аттрактором.

Некоторые динамические системы, например одномерные логистическая карта определяется Икс → 4 Икс (1 – Икс), хаотичны везде, но во многих случаях хаотическое поведение обнаруживается только в подмножестве фазового пространства. Наиболее интересные случаи возникают, когда хаотическое поведение происходит на аттрактор, с тех пор большой набор начальных условий приводит к орбитам, сходящимся к этой хаотической области.[38]

Простой способ визуализировать хаотический аттрактор - начать с точки в бассейн притяжения аттрактора, а затем просто построить его следующую орбиту. Из-за условия топологической транзитивности это, вероятно, даст картину всего конечного аттрактора, и действительно, обе орбиты, показанные на рисунке справа, дают картину общей формы аттрактора Лоренца. Этот аттрактор является результатом простой трехмерной модели Лоренц погодная система. Аттрактор Лоренца, возможно, является одной из самых известных диаграмм хаотической системы, вероятно, потому, что он не только один из первых, но и один из самых сложных и, как таковой, дает начало очень интересной схеме, которая с учетом немного воображения, похоже на крылья бабочки.

В отличие от аттракторы неподвижной точки и предельные циклы, аттракторы, возникающие из хаотических систем, известные как странные аттракторы, имеют большую детализацию и сложность. Странные аттракторы встречаются в обоих непрерывный динамические системы (например, система Лоренца) и в некоторых дискретный системы (такие как Карта Энона ). Другие дискретные динамические системы имеют отталкивающую структуру, называемую Юля набор, который образуется на границе между бассейнами притяжения неподвижных точек. Наборы Julia можно рассматривать как странные отпугиватели. И странные аттракторы, и множества Жюлиа обычно имеют фрактал структура и фрактальная размерность на них можно рассчитать.

Минимальная сложность хаотической системы

Бифуркационная диаграмма из логистическая карта Икср Икс (1 – Икс). Каждый вертикальный срез показывает аттрактор для определенного значения р. На диаграмме отображается удвоение периода в качестве р увеличивается, в конечном итоге создавая хаос.

Дискретные хаотические системы, такие как логистическая карта, могут проявлять странные аттракторы, какими бы они ни были. размерность. Универсальность одномерных отображений с параболическими максимумами и Константы Фейгенбаума ,[39][40] хорошо видна на карте, предложенной в качестве игрушечной модели дискретной лазерной динамики: ,куда обозначает амплитуду электрического поля, [41] - коэффициент усиления лазера как параметр бифуркации. Постепенное увеличение с интервалом меняет динамику с регулярной на хаотичную[42] с качественно такой же бифуркационная диаграмма как для логистическая карта.

Напротив, для непрерывный динамические системы, Теорема Пуанкаре – Бендиксона показывает, что странный аттрактор может возникать только в трех или более измерениях. Конечномерный линейные системы никогда не бывают хаотичными; чтобы динамическая система отображала хаотическое поведение, она должна быть либо нелинейный или бесконечномерный.

В Теорема Пуанкаре – Бендиксона утверждает, что двумерное дифференциальное уравнение имеет очень регулярное поведение. Обсуждаемый ниже аттрактор Лоренца порождается системой трех дифференциальные уравнения Такие как:

куда , , и составить состояние системы, время, и , , система параметры. Пять членов в правой части являются линейными, а два - квадратичными; всего семь сроков. Еще один хорошо известный хаотический аттрактор порождается Уравнения Рёсслера, которые имеют только один нелинейный член из семи. Sprott[43] нашли трехмерную систему всего с пятью членами, в которой есть только один нелинейный член, который демонстрирует хаос для определенных значений параметров. Чжан и Хайдель[44][45] показал, что, по крайней мере для диссипативных и консервативных квадратичных систем, трехмерные квадратичные системы с тремя или четырьмя членами в правой части не могут демонстрировать хаотическое поведение. Причина в том, что решения таких систем асимптотичны по отношению к двумерной поверхности и, следовательно, решения имеют хорошее поведение.

Хотя теорема Пуанкаре – Бендиксона показывает, что непрерывная динамическая система на евклидовой самолет не могут быть хаотическими, двумерными непрерывными системами с неевклидова геометрия может демонстрировать хаотическое поведение.[46][самостоятельно опубликованный источник? ] Как это ни удивительно, хаос может возникать и в линейных системах, если они бесконечномерны.[47] Теория линейного хаоса развивается в области математического анализа, известной как функциональный анализ.

Бесконечномерные карты

Прямое обобщение связанных дискретных отображений[48] основан на интеграле свертки, который опосредует взаимодействие между пространственно распределенными картами:,

где ядро является пропагатором, полученным как функция Грина соответствующей физической системы,[49] может быть логистическая карта похожа или же сложная карта. Для примеров сложных карт Юля набор или же Карта Икеда может служить. Когда проблемы с распространением волн на расстоянии с длиной волны считаются ядром может иметь вид функции Грина для Уравнение Шредингера:.[50][51]

.

Системы рывков

В физика, придурок это третья производная от позиция, относительно времени. Таким образом, дифференциальные уравнения вида

иногда называют Уравнения рывка. Было показано, что уравнение рывка, которое эквивалентно системе трех обыкновенных нелинейных дифференциальных уравнений первого порядка, в определенном смысле является минимальным параметром для решений, демонстрирующих хаотическое поведение. Это мотивирует математический интерес к рывковым системам. Системы, включающие четвертую или более высокую производную, соответственно называются системами гипердвигателя.[52]

Поведение системы рывков описывается уравнением рывков, и для некоторых уравнений рывков простые электронные схемы могут моделировать решения. Эти схемы известны как схемы рывков.

Одно из наиболее интересных свойств рывковых схем - возможность хаотического поведения. Фактически, некоторые хорошо известные хаотические системы, такие как аттрактор Лоренца и Карта Рёсслера, условно описываются как система трех дифференциальных уравнений первого порядка, которые можно объединить в одно (хотя и довольно сложное) уравнение рывка. Нелинейные рывковые системы - это в некотором смысле минимально сложные системы, демонстрирующие хаотическое поведение; не существует хаотической системы, включающей только два обыкновенных дифференциальных уравнения первого порядка (система, приводящая к уравнению только второго порядка).

Пример уравнения рывка с нелинейностью по величине является:

Здесь, А - регулируемый параметр. Это уравнение имеет хаотическое решение для А= 3/5 и может быть реализован следующей схемой рывка; требуемая нелинейность обеспечивается двумя диодами:

JerkCircuit01.png

В приведенной выше схеме все резисторы равны по номиналу, кроме , и все конденсаторы одинакового размера. Доминирующая частота . Выход операционный усилитель 0 будет соответствовать переменной x, выход 1 соответствует первой производной x, а выход 2 соответствует второй производной.

Для аналогичных схем требуется только один диод[53] или диодов нет вообще.[54]

См. Также известные Схема Чуа, одна основа для хаотических генераторов истинных случайных чисел.[55] Простота построения схемы сделала ее повсеместным реальным примером хаотической системы.

Спонтанный порядок

При правильных условиях хаос спонтанно превращается в последовательность шагов. в Курамото модель, для синхронизации в хаотической системе достаточно четырех условий. связанные колебания из Кристиан Гюйгенс 'маятники, светлячки, нейроны, то Лондонский мост Миллениум резонанс, и большие массивы Джозефсоновские переходы.[56]

История

Папоротник Барнсли создан с использованием игра хаос. Природные формы (папоротники, облака, горы и т. Д.) Можно воссоздать с помощью система повторяющихся функций (IFS).

Один из первых сторонников теории хаоса был Анри Пуанкаре. В 1880-е годы, изучая проблема трех тел, он обнаружил, что могут быть непериодические орбиты, которые, тем не менее, не могут постоянно увеличиваться и не приближаться к фиксированной точке.[57][58][59] В 1898 г. Жак Адамар опубликовал влиятельное исследование хаотического движения свободной частицы, скользящей без трения по поверхности постоянной отрицательной кривизны, под названием "Бильярд Адамара ".[60] Адамару удалось показать, что все траектории нестабильны, поскольку все траектории частиц экспоненциально расходятся друг от друга с положительным Показатель Ляпунова.

Теория хаоса началась в области эргодическая теория. Более поздние исследования, также по теме нелинейных дифференциальные уравнения, были выполнены Джордж Дэвид Биркофф,[61] Андрей Николаевич Колмогоров,[62][63][64] Мэри Люси Картрайт и Джон Эденсор Литтлвуд,[65] и Стивен Смейл.[66] За исключением Смейла, все эти исследования были непосредственно вдохновлены физикой: проблема трех тел в случае Биркгофа, турбулентность и астрономические проблемы в случае Колмогорова и радиотехника в случае Картрайта и Литтлвуда.[нужна цитата ] Хотя хаотическое движение планет не наблюдалось, экспериментаторы сталкивались с турбулентностью в движении жидкости и непериодическими колебаниями в радиосхемах без теории, объясняющей то, что они видели.

Несмотря на первоначальные идеи, сделанные в первой половине двадцатого века, теория хаоса формализовалась как таковая только после середины века, когда некоторым ученым впервые стало очевидно, что линейная теория, преобладающая в то время теория систем просто не могла объяснить наблюдаемое поведение некоторых экспериментов, подобных эксперименту логистическая карта. Что приписывали измерению неточности и простоте "шум "рассматривается теоретиками хаоса как полноценная составляющая изучаемых систем.

Основным катализатором развития теории хаоса была электронная вычислительная машина. Большая часть математики теории хаоса включает в себя повторяющиеся итерация простых математических формул, которые было бы непрактично выполнить вручную. Электронные компьютеры сделали эти повторяющиеся вычисления практичными, а рисунки и изображения сделали возможным визуализировать эти системы. Будучи аспирантом лаборатории Тихиро Хаяси в университете Киото, Ёсисуке Уэда экспериментировал с аналоговыми компьютерами и 27 ноября 1961 года заметил то, что он назвал «случайным переходным феноменом». Однако его советник не согласился с его выводами в то время и не разрешил ему сообщить о своих выводах до 1970 года.[67][68]

Турбулентность в кончик вихря из самолет крыло. Исследования критической точки, за которой система создает турбулентность, были важны для теории хаоса, что было проанализировано, например, Советский физик Лев Ландау, который разработал Теория турбулентности Ландау-Хопфа. Дэвид Рюэлль и Флорис Такенс позже предсказал против Ландау, что турбулентность жидкости может развиться через странный аттрактор, основная концепция теории хаоса.

Эдвард Лоренц был одним из первых пионеров теории. Его интерес к хаосу возник случайно из-за его работы над прогноз погоды в 1961 г.[12] Лоренц использовал простой цифровой компьютер, Роял Макби LGP-30, чтобы запустить симуляцию погоды. Он хотел снова увидеть последовательность данных и, чтобы сэкономить время, начал симуляцию в середине ее хода. Он сделал это, распечатав данные, которые соответствовали условиям в середине исходного моделирования. К его удивлению, погода, которую машина начала предсказывать, полностью отличалась от предыдущего расчета. Лоренц отследил это до компьютерной распечатки. Компьютер работал с 6-значной точностью, но в распечатке переменные округлялись до 3-значного числа, поэтому такое значение, как 0,506127, напечатано как 0,506. Это различие крошечное, и в то время считалось, что оно не должно иметь практического эффекта. Однако Лоренц обнаружил, что небольшие изменения начальных условий приводят к большим изменениям в долгосрочных результатах.[69] Открытие Лоренца, давшее название Аттракторы Лоренца, показал, что даже подробное атмосферное моделирование, как правило, не позволяет делать точные долгосрочные прогнозы погоды.

В 1963 г. Бенуа Мандельброт обнаружил повторяющиеся закономерности во всех масштабах в данных о ценах на хлопок.[70] Заранее он изучил теория информации и пришел к выводу, что шум имел вид Кантор набор: в любом масштабе соотношение периодов, содержащих шум, к периодам без ошибок было постоянным - таким образом, ошибки были неизбежны и должны планироваться путем включения избыточности.[71] Мандельброт описал как «эффект Ноя» (при котором могут происходить внезапные прерывистые изменения), так и «эффект Джозефа» (при котором значение может сохраняться в течение некоторого времени, но затем внезапно измениться).[72][73] Это поставило под сомнение идею о том, что изменение цены нормально распределенный. В 1967 году он опубликовал "Какова длина побережья Британии? Статистическое самоподобие и дробная размерность ", показывая, что длина береговой линии изменяется в зависимости от масштаба измерительного прибора, похожа на себя во всех масштабах и бесконечна по длине для бесконечно мало небольшой измерительный прибор.[74] Утверждая, что клубок шпагата выглядит как точка при взгляде издалека (0-мерный), шар при взгляде достаточно близко (3-мерный) или изогнутая нить (1-мерный), он утверждал, что размеры объект относителен к наблюдателю и может быть дробным. Объект, неоднородность которого постоянна в разных масштабах («самоподобие»), является фрактал (примеры включают Губка менгера, то Прокладка Серпинского, а Кривая Коха или же снежинка, который бесконечно длинный, но охватывает конечное пространство и имеет фрактальная размерность около 1,2619). В 1982 году Мандельброт опубликовал Фрактальная геометрия природы, ставший классикой теории хаоса.[75] Биологические системы, такие как разветвление кровеносной и бронхиальной систем, оказались подходящими для фрактальной модели.[76]

В декабре 1977 г. Нью-Йоркская академия наук организовал первый симпозиум по хаосу, на котором присутствовал Дэвид Рюэлль, Роберт Мэй, Джеймс А. Йорк (создатель термина «хаос» в математике), Роберт Шоу, и метеоролог Эдвард Лоренц. В следующем году Пьер Кулле и Чарльз Трессер опубликовали «Итерации эндоморфизмов и группу перенормировок» и Митчелл Фейгенбаум Статья «Количественная универсальность для одного класса нелинейных преобразований» наконец появилась в журнале после трехлетних отказов рецензентов.[40][77] Так, Фейгенбаум (1975) и Кулле и Трессер (1978) открыли универсальность в хаосе, что позволяет применять теорию хаоса ко многим различным явлениям.

В 1979 г. Альберт Дж. Либхабер, во время симпозиума, организованного в Аспене Пьер Хоэнберг, представил свое экспериментальное наблюдение бифуркация каскад, который приводит к хаосу и турбулентности в Конвекция Рэлея-Бенара системы. Он был награжден Премия Вольфа по физике в 1986 году вместе с Митчелл Дж. Фейгенбаум за их вдохновляющие достижения.[78]

В 1986 году Нью-Йоркская академия наук была организована совместно с Национальный институт психического здоровья и Управление военно-морских исследований первая важная конференция по хаосу в биологии и медицине. Там, Бернардо Хуберман представила математическую модель нарушение слежения за глазами среди шизофреники.[79] Это привело к обновлению физиология в 1980-х годах с применением теории хаоса, например, при изучении патологических сердечные циклы.

В 1987 г. Per Bak, Чао Тан и Курт Визенфельд опубликовал статью в Письма с физическими проверками[80] описывая в первый раз самоорганизованная критичность (SOC), считается одним из механизмов, посредством которых сложность возникает в природе.

Наряду с в основном лабораторными подходами, такими как Песок Бак – Тан – Визенфельд, многие другие исследования были сосредоточены на крупномасштабных природных или социальных системах, которые, как известно (или предположительно) демонстрируют масштабно-инвариантный поведение. Хотя эти подходы не всегда приветствовались (по крайней мере, поначалу) специалистами по изучаемым предметам, SOC, тем не менее, стал сильным кандидатом для объяснения ряда природных явлений, в том числе землетрясения, (которые задолго до открытия SOC были известны как источник масштабно-инвариантного поведения, такого как Закон Гутенберга – Рихтера описывающий статистическое распределение размеров землетрясений, и Закон Омори[81] описывая частоту афтершоков), солнечные вспышки, колебания в экономических системах, таких как финансовые рынки (ссылки на SOC распространены в эконофизика ), формирование ландшафта, лесные пожары, оползни, эпидемии, и биологическая эволюция (где SOC использовался, например, как динамический механизм, лежащий в основе теории "прерывистое равновесие "выдвинутый Найлз Элдридж и Стивен Джей Гулд ). Учитывая последствия безмасштабного распределения размеров событий, некоторые исследователи предположили, что еще одним феноменом, который следует рассматривать как пример SOC, является возникновение войны. Эти исследования SOC включали как попытки моделирования (разработка новых моделей или адаптация существующих к специфике данной природной системы), так и обширный анализ данных для определения существования и / или характеристик естественных законов масштабирования.

В том же году, Джеймс Глейк опубликовано Хаос: создание новой науки, который стал бестселлером и представил широкой публике общие принципы теории хаоса, а также его историю, хотя в его истории недооценивался важный советский вклад.[нужна цитата ][82] Изначально теория хаоса принадлежала нескольким изолированным людям, но постепенно превратилась в трансдисциплинарную и институциональную дисциплину, в основном под названием нелинейные системы анализ. Ссылаясь на Томас Кун концепция смена парадигмы выставлен в Структура научных революций (1962), многие «хаологи» (как некоторые описывали себя) утверждали, что эта новая теория была примером такого сдвига, и этот тезис поддержал Глейк.

Доступность более дешевых и более мощных компьютеров расширяет применимость теории хаоса. В настоящее время теория хаоса остается активной областью исследований,[83] вовлекает множество различных дисциплин, таких как математика, топология, физика,[84] социальные системы,[85] моделирование населения, биология, метеорология, астрофизика, теория информации, вычислительная нейробиология, пандемия антикризисное управление,[17][18] и Т. Д.

Приложения

А конус текстиль оболочка, внешне похожая на Правило 30, а клеточный автомат с хаотичным поведением.[86]

Хотя теория хаоса родилась из наблюдений за погодными условиями, она стала применимой к множеству других ситуаций. Некоторые области, извлекающие пользу из теории хаоса сегодня: геология, математика, микробиология, биология, Информатика, экономика,[87][88][89] инженерное дело,[90][91] финансы,[92][93] алгоритмическая торговля,[94][95][96] метеорология, философия, антропология,[15] физика,[97][98][99] политика,[100][101] динамика населения,[102] психология,[14] и робототехника. Несколько категорий перечислены ниже с примерами, но это ни в коем случае не исчерпывающий список, поскольку появляются новые приложения.

Криптография

Теория хаоса использовалась много лет в криптография. За последние несколько десятилетий хаос и нелинейная динамика использовались при проектировании сотен криптографические примитивы. Эти алгоритмы включают изображение алгоритмы шифрования, хэш-функции, безопасные генераторы псевдослучайных чисел, потоковые шифры, водяные знаки и стеганография.[103] Большинство этих алгоритмов основаны на одномодальных хаотических картах, и большая часть этих алгоритмов использует параметры управления и начальное состояние хаотических карт в качестве ключей.[104] С более широкой точки зрения, без потери общности, сходство между хаотическими картами и криптографическими системами является основной мотивацией для разработки криптографических алгоритмов на основе хаоса.[103] Один тип шифрования, секретный ключ или симметричный ключ, полагается на распространение и путаница, который хорошо моделируется теорией хаоса.[105] Другой тип вычислений, ДНК-вычисления в сочетании с теорией хаоса предлагает способ шифрования изображений и другой информации.[106] Доказано, что многие из криптографических алгоритмов DNA-Chaos либо небезопасны, либо применяемый метод считается неэффективным.[107][108][109]

Робототехника

Робототехника - еще одна область, в которой теория хаоса недавно извлекла пользу. Вместо того, чтобы роботы действовали методом проб и ошибок, чтобы взаимодействовать с окружающей средой, теория хаоса была использована для создания прогнозная модель.[110]Хаотическая динамика была продемонстрирована пассивная ходьба двуногие роботы.[111]

Биология

Более ста лет биологи отслеживают популяции разных видов с модели населения. Большинство моделей непрерывный, но недавно ученые смогли реализовать хаотические модели в определенных популяциях.[112] Например, исследование моделей Канадская рысь показали, что в росте населения наблюдается хаотичный характер.[113] Хаос также можно найти в экологических системах, таких как гидрология. Хотя хаотическая гидрологическая модель имеет свои недостатки, еще предстоит многому научиться, глядя на данные через призму теории хаоса.[114] Другое биологическое применение найдено в кардиотокография. Наблюдение за плодами - это тонкий баланс между получением точной информации и максимально неинвазивным вмешательством. Лучшие модели предупреждающих знаков fetal hypoxia can be obtained through chaotic modeling.[115]

Другие области

In chemistry, predicting gas solubility is essential to manufacturing полимеры, but models using оптимизация роя частиц (PSO) tend to converge to the wrong points. An improved version of PSO has been created by introducing chaos, which keeps the simulations from getting stuck.[116] В небесная механика, especially when observing asteroids, applying chaos theory leads to better predictions about when these objects will approach Earth and other planets.[117] Four of the five moons of Pluto rotate chaotically. В квантовая физика и электротехника, the study of large arrays of Джозефсоновские переходы benefitted greatly from chaos theory.[118] Closer to home, coal mines have always been dangerous places where frequent natural gas leaks cause many deaths. Until recently, there was no reliable way to predict when they would occur. But these gas leaks have chaotic tendencies that, when properly modeled, can be predicted fairly accurately.[119]

Chaos theory can be applied outside of the natural sciences, but historically nearly all such studies have suffered from lack of reproducibility; poor external validity; and/or inattention to cross-validation, resulting in poor predictive accuracy (if out-of-sample prediction has even been attempted). Стекло[120] and Mandell and Selz[121] have found that no EEG study has as yet indicated the presence of strange attractors or other signs of chaotic behavior.

Researchers have continued to apply chaos theory to psychology. For example, in modeling group behavior in which heterogeneous members may behave as if sharing to different degrees what in Уилфред Бион 's theory is a basic assumption, researchers have found that the group dynamic is the result of the individual dynamics of the members: each individual reproduces the group dynamics in a different scale, and the chaotic behavior of the group is reflected in each member.[122]

Redington and Reidbord (1992) attempted to demonstrate that the human heart could display chaotic traits. They monitored the changes in between-heartbeat intervals for a single psychotherapy patient as she moved through periods of varying emotional intensity during a therapy session. Results were admittedly inconclusive. Not only were there ambiguities in the various plots the authors produced to purportedly show evidence of chaotic dynamics (spectral analysis, phase trajectory, and autocorrelation plots), but also when they attempted to compute a Lyapunov exponent as more definitive confirmation of chaotic behavior, the authors found they could not reliably do so.[123]

In their 1995 paper, Metcalf and Allen[124] maintained that they uncovered in animal behavior a pattern of period doubling leading to chaos. The authors examined a well-known response called schedule-induced polydipsia, by which an animal deprived of food for certain lengths of time will drink unusual amounts of water when the food is at last presented. The control parameter (r) operating here was the length of the interval between feedings, once resumed. The authors were careful to test a large number of animals and to include many replications, and they designed their experiment so as to rule out the likelihood that changes in response patterns were caused by different starting places for r.

Time series and first delay plots provide the best support for the claims made, showing a fairly clear march from periodicity to irregularity as the feeding times were increased. The various phase trajectory plots and spectral analyses, on the other hand, do not match up well enough with the other graphs or with the overall theory to lead inexorably to a chaotic diagnosis. For example, the phase trajectories do not show a definite progression towards greater and greater complexity (and away from periodicity); the process seems quite muddied. Also, where Metcalf and Allen saw periods of two and six in their spectral plots, there is room for alternative interpretations. All of this ambiguity necessitate some serpentine, post-hoc explanation to show that results fit a chaotic model.

By adapting a model of career counseling to include a chaotic interpretation of the relationship between employees and the job market, Aniundson and Bright found that better suggestions can be made to people struggling with career decisions.[125] Modern organizations are increasingly seen as open сложные адаптивные системы with fundamental natural nonlinear structures, subject to internal and external forces that may contribute chaos. Например, тимбилдинг и group development is increasingly being researched as an inherently unpredictable system, as the uncertainty of different individuals meeting for the first time makes the trajectory of the team unknowable.[126]

Some say the chaos metaphor—used in verbal theories—grounded on mathematical models and psychological aspects of human behaviorprovides helpful insights to describing the complexity of small work groups, that go beyond the metaphor itself.[127]

Красные и синие автомобили по очереди движутся; красные движутся только вверх, а синие - вправо. Каждый раз все машины одного цвета пытаются переместиться на один шаг, если перед ними нет машины. Здесь модель самоорганизована в несколько геометрический узор, где есть пробки и места, где автомобили могут двигаться с максимальной скоростью.

It is possible that economic models can also be improved through an application of chaos theory, but predicting the health of an economic system and what factors influence it most is an extremely complex task.[128] Economic and financial systems are fundamentally different from those in the classical natural sciences since the former are inherently stochastic in nature, as they result from the interactions of people, and thus pure deterministic models are unlikely to provide accurate representations of the data. The empirical literature that tests for chaos in economics and finance presents very mixed results, in part due to confusion between specific tests for chaos and more general tests for non-linear relationships.[129]

Traffic forecasting may benefit from applications of chaos theory. Better predictions of when traffic will occur would allow measures to be taken to disperse it before it would have occurred. Combining chaos theory principles with a few other methods has led to a more accurate short-term prediction model (see the plot of the BML traffic model at right).[130]

Chaos theory has been applied to environmental круговорот воды data (aka hydrological data), such as rainfall and streamflow.[131] These studies have yielded controversial results, because the methods for detecting a chaotic signature are often relatively subjective. Early studies tended to "succeed" in finding chaos, whereas subsequent studies and meta-analyses called those studies into question and provided explanations for why these datasets are not likely to have low-dimension chaotic dynamics.[132]

Смотрите также

Examples of chaotic systems
Другие связанные темы
Люди

Рекомендации

  1. ^ "The Definitive Glossary of Higher Mathematical Jargon — Chaos". Математическое хранилище. 2019-08-01. Получено 2019-11-24.
  2. ^ "chaos theory | Definition & Facts". Энциклопедия Британника. Получено 2019-11-24.
  3. ^ а б c "What is Chaos Theory? – Fractal Foundation". Получено 2019-11-24.
  4. ^ Вайсштейн, Эрик В. "Хаос". mathworld.wolfram.com. Получено 2019-11-24.
  5. ^ Boeing, Geoff. "Chaos Theory and the Logistic Map". Получено 2020-05-17.
  6. ^ Kellert, Stephen H. (1993). In the Wake of Chaos: Unpredictable Order in Dynamical Systems. Издательство Чикагского университета. п.32. ISBN  978-0-226-42976-2.
  7. ^ а б c d Bishop, Robert (2017), "Хаос", в Залте, Эдвард Н. (ред.), Стэнфордская энциклопедия философии (Spring 2017 ed.), Metaphysics Research Lab, Stanford University, получено 2019-11-24
  8. ^ Kellert 1993, п. 56
  9. ^ Kellert 1993, п. 62
  10. ^ а б Werndl, Charlotte (2009). "What are the New Implications of Chaos for Unpredictability?". Британский журнал философии науки. 60 (1): 195–220. arXiv:1310.1576. Дои:10.1093/bjps/axn053. S2CID  354849.
  11. ^ Danforth, Christopher M. (April 2013). "Chaos in an Atmosphere Hanging on a Wall". Mathematics of Planet Earth 2013. Получено 12 июн 2018.
  12. ^ а б Лоренц, Эдвард Н. (1963). «Детерминированный непериодический поток». Журнал атмосферных наук. 20 (2): 130–141. Bibcode:1963JAtS ... 20..130L. Дои:10.1175 / 1520-0469 (1963) 020 <0130: DNF> 2.0.CO; 2.
  13. ^ Иванчевич, Владимир Г .; Tijana T. Ivancevic (2008). Complex nonlinearity: chaos, phase transitions, topology change, and path integrals. Springer. ISBN  978-3-540-79356-4.
  14. ^ а б Safonov, Leonid A.; Tomer, Elad; Strygin, Vadim V.; Ashkenazy, Yosef; Havlin, Shlomo (2002). "Multifractal chaotic attractors in a system of delay-differential equations modeling road traffic". Хаос: междисциплинарный журнал нелинейной науки. 12 (4): 1006–1014. Bibcode:2002Chaos..12.1006S. Дои:10.1063/1.1507903. ISSN  1054-1500. PMID  12779624.
  15. ^ а б Mosko M.S., Damon F.H. (Eds.) (2005). On the order of chaos. Social anthropology and the science of chaos. Oxford: Berghahn Books.CS1 maint: дополнительный текст: список авторов (связь)
  16. ^ Hubler, A (1989). "Adaptive control of chaotic systems". Swiss Physical Society. Helvetica Physica Acta 62: 339–342.
  17. ^ а б Piotrowski, Chris. "Covid-19 Pandemic and Chaos Theory: Applications based on a Bibliometric Analysis". researchgate.net. Получено 2020-05-13.
  18. ^ а б Weinberger, David (2019). Everyday Chaos - Technology, Complexity, and How We're Thriving in a New World of Possibility. Издательство Harvard Business Review Press. ISBN  9781633693968.
  19. ^ Wisdom, Jack; Sussman, Gerald Jay (1992-07-03). "Chaotic Evolution of the Solar System". Наука. 257 (5066): 56–62. Bibcode:1992Sci...257...56S. Дои:10.1126/science.257.5066.56. HDL:1721.1/5961. ISSN  1095-9203. PMID  17800710. S2CID  12209977.
  20. ^ Синхронизация: зарождающаяся наука о спонтанном порядке, Steven Strogatz, Hyperion, New York, 2003, pages 189–190.
  21. ^ Значение хаос в Викисловарь;
  22. ^ "Definition of chaos | Dictionary.com". www.dictionary.com. Получено 2019-11-24.
  23. ^ Hasselblatt, Boris; Anatole Katok (2003). A First Course in Dynamics: With a Panorama of Recent Developments. Издательство Кембриджского университета. ISBN  978-0-521-58750-1.
  24. ^ Elaydi, Saber N. (1999). Discrete Chaos. Чепмен и Холл / CRC. п. 117. ISBN  978-1-58488-002-8.
  25. ^ Basener, William F. (2006). Topology and its applications. Вайли. п. 42. ISBN  978-0-471-68755-9.
  26. ^ Банки; Брукс; Cairns; Davis; Stacey (1992). "On Devaney's definition of chaos". Американский математический ежемесячник. 99 (4): 332–334. Дои:10.1080/00029890.1992.11995856.
  27. ^ Vellekoop, Michel; Berglund, Raoul (April 1994). "On Intervals, Transitivity = Chaos". Американский математический ежемесячник. 101 (4): 353–5. Дои:10.2307/2975629. JSTOR  2975629.
  28. ^ Medio, Alfredo; Lines, Marji (2001). Nonlinear Dynamics: A Primer. Издательство Кембриджского университета. п.165. ISBN  978-0-521-55874-7.
  29. ^ Овчинников, И. (Март 2016 г.). "Introduction to Supersymmetric Theory of Stochastics". Энтропия. 18 (4): 108. arXiv:1511.03393. Bibcode:2016Entrp..18..108O. Дои:10.3390 / e18040108. S2CID  2388285.
  30. ^ Овчинников, И.В .; Schwartz, R.N .; Ван, К. Л. (2016). «Нарушение топологической суперсимметрии: определение и стохастическое обобщение хаоса и предел применимости статистики». Буквы B по современной физике. 30 (8): 1650086. arXiv:1404.4076. Bibcode:2016MPLB ... 3050086O. Дои:10.1142 / S021798491650086X. S2CID  118174242.
  31. ^ «Эдвард Лоренц, отец теории хаоса и эффекта бабочки, умер в возрасте 90 лет». Новости MIT. Получено 2019-11-24.
  32. ^ Watts, Robert G. (2007). Global Warming and the Future of the Earth. Морган и Клейпул. п.17.
  33. ^ Вайсштейн, Эрик В. "Lyapunov Characteristic Exponent". mathworld.wolfram.com. Получено 2019-11-24.
  34. ^ а б Devaney 2003
  35. ^ Robinson 1995
  36. ^ Alligood, Sauer & Yorke 1997
  37. ^ Li, T.Y.; Yorke, J.A. (1975). "Period Three Implies Chaos" (PDF). Американский математический ежемесячный журнал. 82 (10): 985–92. Bibcode:1975AmMM...82..985L. CiteSeerX  10.1.1.329.5038. Дои:10.2307/2318254. JSTOR  2318254. Архивировано из оригинал (PDF) on 2009-12-29.
  38. ^ Strelioff, Christopher; et., al. (2006). "Medium-Term Prediction of Chaos". Phys. Rev. Lett. 96 (4): 044101. Bibcode:2006PhRvL..96d4101S. Дои:10.1103/PhysRevLett.96.044101. PMID  16486826.
  39. ^ Feigenbaum, M. J. (1976) "Universality in complex discrete dynamics", Los Alamos Theoretical Division Annual Report 1975-1976
  40. ^ а б Feigenbaum, Mitchell (July 1978). "Quantitative universality for a class of nonlinear transformations". Журнал статистической физики. 19 (1): 25–52. Bibcode:1978JSP....19...25F. CiteSeerX  10.1.1.418.9339. Дои:10.1007/BF01020332. S2CID  124498882.
  41. ^ Okulov, A Yu; Oraevskiĭ, A N (1986). "Space–temporal behavior of a light pulse propagating in a nonlinear nondispersive medium". J. Opt. Soc. Являюсь. B. 3 (5): 741–746. Bibcode:1986OSAJB...3..741O. Дои:10.1364/JOSAB.3.000741.
  42. ^ Okulov, A Yu; Oraevskiĭ, A N (1984). "Regular and stochastic self-modulation in a ring laser with nonlinear element". Советский журнал квантовой электроники. 14 (2): 1235–1237. Bibcode:1984QuEle..14.1235O. Дои:10.1070/QE1984v014n09ABEH006171.
  43. ^ Sprott, J.C. (1997). "Simplest dissipative chaotic flow". Письма о физике A. 228 (4–5): 271–274. Bibcode:1997PhLA..228..271S. Дои:10.1016/S0375-9601(97)00088-1.
  44. ^ Fu, Z .; Heidel, J. (1997). "Non-chaotic behaviour in three-dimensional quadratic systems". Нелинейность. 10 (5): 1289–1303. Bibcode:1997Nonli..10.1289F. Дои:10.1088/0951-7715/10/5/014.
  45. ^ Heidel, J.; Fu, Z. (1999). "Nonchaotic behaviour in three-dimensional quadratic systems II. The conservative case". Нелинейность. 12 (3): 617–633. Bibcode:1999Nonli..12..617H. Дои:10.1088/0951-7715/12/3/012.
  46. ^ Rosario, Pedro (2006). Underdetermination of Science: Part I. Lulu.com. ISBN  978-1411693913.[самостоятельно опубликованный источник ]
  47. ^ Bonet, J .; Martínez-Giménez, F.; Peris, A. (2001). "A Banach space which admits no chaotic operator". Бюллетень Лондонского математического общества. 33 (2): 196–8. Дои:10.1112/blms/33.2.196.
  48. ^ Adachihara, H; McLaughlin, D W; Moloney, J V; Newell, A C (1988). "Solitary waves as fixed points of infinite‐dimensional maps for an optical bistable ring cavity: Analysis". Журнал математической физики. 29 (1): 63. Bibcode:1988JMP....29...63A. Дои:10.1063/1.528136.
  49. ^ Okulov, A Yu; Oraevskiĭ, A N (1988). "Spatiotemporal dynamics of a wave packet in nonlinear medium and discrete maps". In N.G. Basov (ed.). Proceedings of the Lebedev Physics Institute (на русском). 187. Наука. pp. 202–222. LCCN  88174540.
  50. ^ Okulov, A Yu (2000). "Spatial soliton laser: geometry and stability". Optics and Spectroscopy. 89 (1): 145–147. Bibcode:2000OptSp..89..131O. Дои:10.1134/BF03356001. S2CID  122790937.
  51. ^ Okulov, A Yu (2020). "Structured light entities, chaos and nonlocal maps". Хаос, солитоны и фракталы. 133 (4): 109638. arXiv:1901.09274. Дои:10.1016/j.chaos.2020.109638.
  52. ^ K. E. Chlouverakis and J. C. Sprott, Chaos Solitons & Fractals 28, 739–746 (2005), Chaotic Hyperjerk Systems, http://sprott.physics.wisc.edu/pubs/paper297.htm
  53. ^ "A New Chaotic Jerk Circuit", J. C. Sprott, IEEE Transactions on Circuits and Systems,2011.
  54. ^ "Simple Autonomous Chaotic Circuits", J. C. Sprott, IEEE Transactions on Circuits and Systems--II: Express Briefs, 2010.
  55. ^ "Secure Image Encryption Based On a Chua Chaotic Noise Generator", A. S. Andreatos*, and A. P. Leros, Journal of Engineering Science and Technology Review, 2013.
  56. ^ Стивен Строгац, Синхронизация: зарождающаяся наука о спонтанном порядке, Hyperion, 2003.
  57. ^ Poincaré, Jules Henri (1890). "Sur le problème des trois corps et les équations de la dynamique. Divergence des séries de M. Lindstedt". Acta Mathematica. 13 (1–2): 1–270. Дои:10.1007/BF02392506.
  58. ^ Poincaré, J. Henri (2017). The three-body problem and the equations of dynamics : Poincaré's foundational work on dynamical systems theory. Popp, Bruce D. (Translator). Чам, Швейцария: Springer International Publishing. ISBN  9783319528984. OCLC  987302273.
  59. ^ Diacu, Florin; Holmes, Philip (1996). Celestial Encounters: The Origins of Chaos and Stability. Princeton University Press.
  60. ^ Hadamard, Jacques (1898). "Les surfaces à courbures opposées et leurs lignes géodesiques". Journal de Mathématiques Pures et Appliquées. 4: 27–73.
  61. ^ George D. Birkhoff, Dynamical Systems, т. 9 of the American Mathematical Society Colloquium Publications (Providence, Rhode Island: American Mathematical Society, 1927)
  62. ^ Kolmogorov, Andrey Nikolaevich (1941). "Local structure of turbulence in an incompressible fluid for very large Reynolds numbers". Doklady Akademii Nauk SSSR. 30 (4): 301–5. Bibcode:1941DoSSR..30..301K. Печатается на: Kolmogorov, A. N. (1991). "The Local Structure of Turbulence in Incompressible Viscous Fluid for Very Large Reynolds Numbers". Труды Королевского общества А. 434 (1890): 9–13. Bibcode:1991RSPSA.434....9K. Дои:10.1098/rspa.1991.0075. S2CID  123612939.
  63. ^ Kolmogorov, A. N. (1941). "On degeneration of isotropic turbulence in an incompressible viscous liquid". Doklady Akademii Nauk SSSR. 31 (6): 538–540. Печатается на: Kolmogorov, A. N. (1991). "Dissipation of Energy in the Locally Isotropic Turbulence". Труды Королевского общества А. 434 (1890): 15–17. Bibcode:1991RSPSA.434...15K. Дои:10.1098/rspa.1991.0076. S2CID  122060992.
  64. ^ Kolmogorov, A. N. (1954). "Preservation of conditionally periodic movements with small change in the Hamilton function". Preservation of conditionally periodic movements with small change in the Hamiltonian function. Doklady Akademii Nauk SSSR. Конспект лекций по физике. 98. С. 527–530. Bibcode:1979LNP....93...51K. Дои:10.1007/BFb0021737. ISBN  978-3-540-09120-2. Смотрите также Теорема Колмогорова – Арнольда – Мозера.
  65. ^ Cartwright, Mary L.; Littlewood, John E. (1945). "On non-linear differential equations of the second order, I: The equation у" + k(1−у2)y ' + у = бλkcos(λт + а), k large". Журнал Лондонского математического общества. 20 (3): 180–9. Дои:10.1112/jlms/s1-20.3.180. Смотрите также: Генератор Ван дер Поля
  66. ^ Smale, Stephen (January 1960). "Morse inequalities for a dynamical system". Бюллетень Американского математического общества. 66: 43–49. Дои:10.1090/S0002-9904-1960-10386-2.
  67. ^ Abraham & Ueda 2001, See Chapters 3 and 4
  68. ^ Sprott 2003, п.89
  69. ^ Gleick, James (1987). Хаос: создание новой науки. Лондон: Кардинал. п. 17. ISBN  978-0-434-29554-8.
  70. ^ Mandelbrot, Benoît (1963). "The variation of certain speculative prices". Журнал Бизнеса. 36 (4): 394–419. Дои:10.1086/294632. JSTOR  2350970.
  71. ^ Berger J.M.; Mandelbrot B. (1963). "A new model for error clustering in telephone circuits". IBM Journal of Research and Development. 7 (3): 224–236. Дои:10.1147/rd.73.0224.
  72. ^ Mandelbrot, B. (1977). Фрактальная геометрия природы. Нью-Йорк: Фриман. п. 248.
  73. ^ Смотрите также: Mandelbrot, Benoît B.; Hudson, Richard L. (2004). The (Mis)behavior of Markets: A Fractal View of Risk, Ruin, and Reward. Нью-Йорк: Основные книги. п.201.
  74. ^ Mandelbrot, Benoît (5 May 1967). "How Long Is the Coast of Britain? Statistical Self-Similarity and Fractional Dimension". Наука. 156 (3775): 636–8. Bibcode:1967Sci...156..636M. Дои:10.1126/science.156.3775.636. PMID  17837158. S2CID  15662830.
  75. ^ Mandelbrot, B. (1982). Фрактальная геометрия природы. Нью-Йорк: Макмиллан. ISBN  978-0716711865.
  76. ^ Buldyrev, S.V.; Goldberger, A.L.; Havlin, S.; Peng, C.K.; Стэнли, Е. (1994). "Fractals in Biology and Medicine: From DNA to the Heartbeat". In Bunde, Armin; Havlin, Shlomo (ред.). Fractals in Science. Springer. стр.49 –89. ISBN  978-3-540-56220-7.
  77. ^ Coullet, Pierre, and Charles Tresser. "Iterations d'endomorphismes et groupe de renormalisation." Le Journal de Physique Colloques 39.C5 (1978): C5-25
  78. ^ "The Wolf Prize in Physics in 1986".
  79. ^ Huberman, B.A. (Июль 1987 г.). "A Model for Dysfunctions in Smooth Pursuit Eye Movement". Летопись Нью-Йоркской академии наук. 504 Perspectives in Biological Dynamics and Theoretical Medicine (1): 260–273. Bibcode:1987NYASA.504..260H. Дои:10.1111/j.1749-6632.1987.tb48737.x. PMID  3477120. S2CID  42733652.
  80. ^ Bak, Per; Tang, Chao; Wiesenfeld, Kurt (27 July 1987). "Self-organized criticality: An explanation of the 1/f noise". Письма с физическими проверками. 59 (4): 381–4. Bibcode:1987ПхРвЛ..59..381Б. Дои:10.1103 / PhysRevLett.59.381. PMID  10035754. However, the conclusions of this article have been subject to dispute. "?". Архивировано из оригинал на 2007-12-14.. See especially: Laurson, Lasse; Alava, Mikko J.; Zapperi, Stefano (15 September 2005). "Letter: Power spectra of self-organized critical sand piles". Журнал статистической механики: теория и эксперимент. 0511. L001.
  81. ^ Omori, F. (1894). "On the aftershocks of earthquakes". Journal of the College of Science, Imperial University of Tokyo. 7: 111–200.
  82. ^ Gleick, James (August 26, 2008). Хаос: создание новой науки. Книги пингвинов. ISBN  978-0143113454.
  83. ^ Motter, A. E.; Campbell, D. K. (2013). "Chaos at fifty". Phys. Сегодня. 66 (5): 27–33. arXiv:1306.5777. Bibcode:2013PhT....66e..27M. Дои:10.1063/pt.3.1977. S2CID  54005470.
  84. ^ Hubler, A .; Фостер, G .; Phelps, K. (2007). "Managing chaos: Thinking out of the box". Сложность. 12 (3): 10. Bibcode:2007Cmplx..12c..10H. Дои:10.1002/cplx.20159.
  85. ^ Kiel, L.; Elliott, Euel, eds. (1996). Chaos Theory in the Social Sciences: Foundations and Applications. Анн-Арбор, Мичиган: Издательство Мичиганского университета. Дои:10.3998/mpub.14623. HDL:2027/fulcrum.d504rm03n. ISBN  9780472106387.
  86. ^ Стивен Кумбс (февраль 2009 г.). «Геометрия и пигментация ракушек» (PDF). www.maths.nottingham.ac.uk. Ноттингемский университет. Получено 2013-04-10.
  87. ^ Kyrtsou C.; Labys W. (2006). "Evidence for chaotic dependence between US inflation and commodity prices". Журнал макроэкономики. 28 (1): 256–266. Дои:10.1016/j.jmacro.2005.10.019.
  88. ^ Kyrtsou C., Labys W.; Labys (2007). "Detecting positive feedback in multivariate time series: the case of metal prices and US inflation". Physica A. 377 (1): 227–229. Bibcode:2007PhyA..377..227K. Дои:10.1016/j.physa.2006.11.002.
  89. ^ Kyrtsou, C.; Vorlow, C. (2005). "Complex dynamics in macroeconomics: A novel approach". In Diebolt, C.; Kyrtsou, C. (eds.). New Trends in Macroeconomics. Springer Verlag.
  90. ^ Hernández-Acosta, M. A.; Trejo-Valdez, M .; Castro-Chacón, J. H.; Miguel, C. R. Torres-San; Martínez-Gutiérrez, H. (2018). "Chaotic signatures of photoconductive Cu 2 ZnSnS 4 nanostructures explored by Lorenz attractors". Новый журнал физики. 20 (2): 023048. Bibcode:2018NJPh...20b3048H. Дои:10.1088/1367-2630/aaad41. ISSN  1367-2630.
  91. ^ Applying Chaos Theory to Embedded Applications
  92. ^ Hristu-Varsakelis, D.; Kyrtsou, C. (2008). "Evidence for nonlinear asymmetric causality in US inflation, metal and stock returns". Дискретная динамика в природе и обществе. 2008: 1–7. Дои:10.1155/2008/138547. 138547.
  93. ^ Kyrtsou, C.; M. Terraza (2003). "Is it possible to study chaotic and ARCH behaviour jointly? Application of a noisy Mackey-Glass equation with heteroskedastic errors to the Paris Stock Exchange returns series". Вычислительная экономика. 21 (3): 257–276. Дои:10.1023/A:1023939610962. S2CID  154202123.
  94. ^ Williams, Bill Williams, Justine (2004). Trading chaos : maximize profits with proven technical techniques (2-е изд.). Нью-Йорк: Вили. ISBN  9780471463085.
  95. ^ Peters, Edgar E. (1994). Fractal market analysis : applying chaos theory to investment and economics (2. Печ. Ред.). New York u.a.: Wiley. ISBN  978-0471585244.
  96. ^ Peters, / Edgar E. (1996). Chaos and order in the capital markets : a new view of cycles, prices, and market volatility (2-е изд.). Нью-Йорк: Джон Вили и сыновья. ISBN  978-0471139386.
  97. ^ Hubler, A .; Phelps, K. (2007). "Guiding a self-adjusting system through chaos". Сложность. 13 (2): 62. Bibcode:2007Cmplx..13b..62W. Дои:10.1002/cplx.20204.
  98. ^ Gerig, A. (2007). "Chaos in a one-dimensional compressible flow". Физический обзор E. 75 (4): 045202. arXiv:nlin/0701050. Bibcode:2007PhRvE..75d5202G. Дои:10.1103/PhysRevE.75.045202. PMID  17500951. S2CID  45804559.
  99. ^ Wotherspoon, T.; Hubler, A. (2009). "Adaptation to the Edge of Chaos in the Self-Adjusting Logistic Map". Журнал физической химии A. 113 (1): 19–22. Bibcode:2009JPCA..113...19W. Дои:10.1021/jp804420g. PMID  19072712.
  100. ^ Borodkin, Leonid I. (2019). "Challenges of Instability: The Concepts of Synergetics in Studying the Historical Development of Russia". Ural Historical Journal. 63 (2): 127–136. Дои:10.30759/1728-9718-2019-2(63)-127-136.
  101. ^ Progonati, E (2018). "Brexit in the Light of Chaos Theory and Some Assumptions About the Future of the European Union". Chaos, complexity and leadership 2018 explorations of chaotic and complexity theory. Springer. ISBN  978-3-030-27672-0.
  102. ^ Dilão, R.; Domingos, T. (2001). "Periodic and Quasi-Periodic Behavior in Resource Dependent Age Structured Population Models". Вестник математической биологии. 63 (2): 207–230. Дои:10.1006/bulm.2000.0213. PMID  11276524. S2CID  697164.
  103. ^ а б Akhavan, A.; Samsudin, A.; Akhshani, A. (2011-10-01). "A symmetric image encryption scheme based on combination of nonlinear chaotic maps". Журнал Института Франклина. 348 (8): 1797–1813. Дои:10.1016/j.jfranklin.2011.05.001.
  104. ^ Behnia, S.; Akhshani, A.; Mahmodi, H.; Akhavan, A. (2008-01-01). "A novel algorithm for image encryption based on mixture of chaotic maps". Хаос, солитоны и фракталы. 35 (2): 408–419. Bibcode:2008CSF....35..408B. Дои:10.1016/j.chaos.2006.05.011.
  105. ^ Wang, Xingyuan; Zhao, Jianfeng (2012). "An improved key agreement protocol based on chaos". Commun. Nonlinear Sci. Нумер. Simul. 15 (12): 4052–4057. Bibcode:2010CNSNS..15.4052W. Дои:10.1016/j.cnsns.2010.02.014.
  106. ^ Babaei, Majid (2013). "A novel text and image encryption method based on chaos theory and DNA computing". Естественные вычисления. 12 (1): 101–107. Дои:10.1007/s11047-012-9334-9. S2CID  18407251.
  107. ^ Akhavan, A.; Samsudin, A.; Akhshani, A. (2017-10-01). "Cryptanalysis of an image encryption algorithm based on DNA encoding". Optics & Laser Technology. 95: 94–99. Bibcode:2017OptLT..95...94A. Дои:10.1016/j.optlastec.2017.04.022.
  108. ^ Xu, Ming (2017-06-01). "Cryptanalysis of an Image Encryption Algorithm Based on DNA Sequence Operation and Hyper-chaotic System". 3D Research. 8 (2): 15. Bibcode:2017TDR.....8..126X. Дои:10.1007/s13319-017-0126-y. ISSN  2092-6731. S2CID  125169427.
  109. ^ Liu, Yuansheng; Тан, Цзе; Xie, Tao (2014-08-01). "Cryptanalyzing a RGB image encryption algorithm based on DNA encoding and chaos map". Optics & Laser Technology. 60: 111–115. arXiv:1307.4279. Bibcode:2014OptLT..60..111L. Дои:10.1016/j.optlastec.2014.01.015. S2CID  18740000.
  110. ^ Nehmzow, Ulrich; Keith Walker (Dec 2005). "Quantitative description of robot–environment interaction using chaos theory" (PDF). Робототехника и автономные системы. 53 (3–4): 177–193. CiteSeerX  10.1.1.105.9178. Дои:10.1016/j.robot.2005.09.009. Архивировано из оригинал (PDF) на 2017-08-12. Получено 2017-10-25.
  111. ^ Госвами, Амбариш; Туилот, Бенуа; Эспио, Бернар (1998). «Исследование пассивной походки двуногого робота, похожего на компас: симметрия и хаос». Международный журнал исследований робототехники. 17 (12): 1282–1301. CiteSeerX  10.1.1.17.4861. Дои:10.1177/027836499801701202. S2CID  1283494.
  112. ^ Eduardo, Liz; Ruiz-Herrera, Alfonso (2012). "Chaos in discrete structured population models". SIAM Journal on Applied Dynamical Systems. 11 (4): 1200–1214. Дои:10.1137/120868980.
  113. ^ Lai, Dejian (1996). "Comparison study of AR models on the Canadian lynx data: a close look at BDS statistic". Вычислительная статистика и анализ данных. 22 (4): 409–423. Дои:10.1016/0167-9473(95)00056-9.
  114. ^ Sivakumar, B (31 January 2000). "Chaos theory in hydrology: important issues and interpretations". Журнал гидрологии. 227 (1–4): 1–20. Bibcode:2000JHyd..227....1S. Дои:10.1016/S0022-1694(99)00186-9.
  115. ^ Bozóki, Zsolt (February 1997). "Chaos theory and power spectrum analysis in computerized cardiotocography". Европейский журнал акушерства, гинекологии и репродуктивной биологии. 71 (2): 163–168. Дои:10.1016/s0301-2115(96)02628-0. PMID  9138960.
  116. ^ Ли, Мэншань; Синюань Хуанга; Хешенг Люа; Бинсян Люб; Ян Вуб; Айхуа Сюнгк; Тяньвен Донг (25 октября 2013 г.). «Прогнозирование растворимости газа в полимерах с помощью искусственной нейронной сети обратного распространения на основе самоадаптивного алгоритма оптимизации роя частиц и теории хаоса». Равновесия жидкой фазы. 356: 11–17. Дои:10.1016 / j.fluid.2013.07.017.
  117. ^ Морбиделли А. (2001). «Хаотическая диффузия в небесной механике». Регулярная и хаотическая динамика. 6 (4): 339–353. Дои:10.1070 / rd2001v006n04abeh000182.
  118. ^ Стивен Строгац, Синхронизация: Новая наука о спонтанном порядке, Гиперион, 2003 г.
  119. ^ Динци, Ли; Юаньпин Ченга; Лэй Ванга; Хайфэн Ванга; Лян Ванга; Хунсин Чжоу (май 2011 г.). «Метод прогноза рисков выбросов угля и газа на основе теории пространственного хаоса с использованием индекса газовой десорбции бурового шлама». Горная наука и технологии. 21 (3): 439–443.
  120. ^ Стекло, L (1997). «Динамическое заболевание: влияние нелинейной динамики и хаоса на кардиологию и медицину». В Гребоги, C; Йорк, Дж. А. (ред.). Влияние хаоса на науку и общество. Издательство Университета ООН.
  121. ^ Mandell, A.J .; Зельц, К. А. (1997). «Неужели ЭЭГ - странный аттрактор?». В Гребоги, C; Йорк, Дж. А. (ред.). Влияние хаоса на науку и общество. Издательство Университета ООН.
  122. ^ Даль Форно, Арианна; Мерлон, Уго (2013). «Нелинейная динамика в рабочих группах с основными допущениями Биона». Нелинейная динамика, психология и науки о жизни. 17 (2): 295–315. ISSN  1090-0578.
  123. ^ Редингтон, Д. Дж .; Рейдборд, С. П. (1992). «Хаотическая динамика в деятельности вегетативной нервной системы пациента во время сеанса психотерапии». Биологическая психиатрия. 31 (10): 993–1007. Дои:10.1016 / 0006-3223 (92) 90093-Ф. PMID  1511082. S2CID  214722.
  124. ^ Metcalf, B.R .; Аллен, Дж. Д. (1995). «В поисках хаоса в полидипсии, вызванной расписанием». В Abraham, F.D .; Гильген, А. Р. (ред.). Теория хаоса в психологии. Гринвуд Пресс.
  125. ^ Прайор, Роберт Г. Л.; Норман Э. Аниундсон; Джим Э. Х. Брайт (июнь 2008 г.). «Вероятности и возможности: последствия стратегического консультирования теории хаоса карьеры». Ежеквартальный отчет о развитии карьеры. 56 (4): 309–318. Дои:10.1002 / j.2161-0045.2008.tb00096.x.
  126. ^ Томпсон, Джейми; Джонстон, Джеймс; Бэнкс, Курт (2018). «Изучение ритуалов инициации в спортивном учреждении Великобритании и их влияние на развитие группы». Ежеквартальный отчет European Sport Management. 18 (5): 544–562. Дои:10.1080/16184742.2018.1439984. S2CID  149352680.
  127. ^ Даль Форно, Арианна; Мерлон, Уго (2013). «Хаотическая динамика в теории организаций». В Биши, Джан Итало; Кьярелла, Карл; Шуско, Ирина (ред.). Глобальный анализ динамических моделей в экономике и финансах. Springer-Verlag. С. 185–204. ISBN  978-3-642-29503-4.
  128. ^ Хуарес, Фернандо (2011). «Применение теории хаоса и сложной модели здоровья для установления взаимосвязи между финансовыми показателями». Процедуры информатики. 3: 982–986. arXiv:1005.5384. Дои:10.1016 / j.procs.2010.12.161.
  129. ^ Брукс, Крис (1998). «Хаос на валютных рынках: скептический взгляд» (PDF). Вычислительная экономика. 11 (3): 265–281. Дои:10.1023 / А: 1008650024944. ISSN  1572-9974. S2CID  118329463.
  130. ^ Ван, Джин; Цисинь Ши (февраль 2013 г.). «Гибридная модель краткосрочного прогнозирования скорости движения на основе теории хаос-вейвлет-анализа и опорных векторов». Транспортные исследования, часть C: Новые технологии. 27: 219–232. Дои:10.1016 / j.trc.2012.08.004.
  131. ^ "Д-р Грегори Б. Пастернак - Гидрология, геоморфология и экогидравлика водоразделов :: Хаос в гидрологии". pasternack.ucdavis.edu. Получено 2017-06-12.
  132. ^ Пастернак, Грегори Б. (1999-11-01). «Река дичает? Оценка хаоса в гидрологических системах». Достижения в области водных ресурсов. 23 (3): 253–260. Bibcode:1999AdWR ... 23..253P. Дои:10.1016 / s0309-1708 (99) 00008-1.

дальнейшее чтение

Статьи

Учебники

Полтехнические и популярные работы

внешняя ссылка