Теория хаоса

График аттрактора Лоренца для значений r = 28 , σ = 10 , b = 8 / 3
Анимация маятника с двумя стержнями при промежуточной энергии, демонстрирующая хаотическое поведение. Запуск маятника из немного других начальных условий приведет к совершенно другой траектории . Двухстержневой маятник — одна из простейших динамических систем с хаотическими решениями.

Теория хаоса междисциплинарная область научных исследований и раздел математики . Основное внимание уделяется основным закономерностям и детерминированным законам динамических систем , которые очень чувствительны к начальным условиям . Когда-то считалось, что они имеют совершенно случайные состояния беспорядка и нарушений. [1] Теория хаоса утверждает, что внутри кажущейся случайности хаотических сложных систем существуют основные закономерности, взаимосвязи, постоянные петли обратной связи , повторение, самоподобие , фракталы и самоорганизация . [2] Эффект бабочки , основополагающий принцип хаоса, описывает, как небольшое изменение в одном состоянии детерминированной нелинейной системы может привести к большим различиям в более позднем состоянии (это означает, что существует чувствительная зависимость от начальных условий). [3] Метафорой такого поведения является то, что взмах крыльев бабочки в Бразилии может вызвать торнадо в Техасе . [4] [5] [6]

Небольшие различия в начальных условиях, например, из-за ошибок в измерениях или из-за ошибок округления в числовых вычислениях , могут привести к сильно различающимся результатам для таких динамических систем, что в целом делает невозможным долгосрочное прогнозирование их поведения. [7] Это может произойти, даже если эти системы детерминированы , а это означает, что их будущее поведение следует за уникальной эволюцией. [8] и полностью определяется их начальными условиями, без участия случайных элементов. [9] Другими словами, детерминированная природа этих систем не делает их предсказуемыми. [10] [11] Такое поведение известно как детерминированный хаос или просто хаос . Теорию резюмировал Эдвард Лоренц так: [12]

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

Хаотическое поведение существует во многих природных системах, включая поток жидкости, нарушения сердцебиения, погоду и климат. [13] [14] [8] It also occurs spontaneously in some systems with artificial components, such as road traffic.[2] This behavior can be studied through the analysis of a chaotic mathematical model or through analytical techniques such as recurrence plots and Poincaré maps. Chaos theory has applications in a variety of disciplines, including meteorology,[8] anthropology,[15] sociology, environmental science, computer science, engineering, economics, ecology, and pandemic crisis management.[16][17] Теория легла в основу таких областей исследования, как сложные динамические системы , теория края хаоса и самосборки процессы .

Introduction[edit]

Chaos theory concerns deterministic systems whose behavior can, in principle, be predicted. Chaotic systems are predictable for a while and then 'appear' to become random. The amount of time for which the behavior of a chaotic system can be effectively predicted depends on three things: how much uncertainty can be tolerated in the forecast, how accurately its current state can be measured, and a time scale depending on the dynamics of the system, called the Lyapunov time. Some examples of Lyapunov times are: chaotic electrical circuits, about 1 millisecond; weather systems, a few days (unproven); the inner solar system, 4 to 5 million years.[18] In chaotic systems, the uncertainty in a forecast increases exponentially with elapsed time. Hence, mathematically, doubling the forecast time more than squares the proportional uncertainty in the forecast. This means, in practice, a meaningful prediction cannot be made over an interval of more than two or three times the Lyapunov time. When meaningful predictions cannot be made, the system appears random.[19]

Chaos theory is a method of qualitative and quantitative analysis to investigate the behavior of dynamic systems that cannot be explained and predicted by single data relationships, but must be explained and predicted by whole, continuous data relationships.

Chaotic dynamics[edit]

The map defined by x → 4 x (1 – x) and y → (x + y) mod 1 displays sensitivity to initial x positions. Here, two series of x and y values diverge markedly over time from a tiny initial difference.

In common usage, "chaos" means "a state of disorder".[20][21] However, in chaos theory, the term is defined more precisely. Although no universally accepted mathematical definition of chaos exists, a commonly used definition, originally formulated by Robert L. Devaney, says that to classify a dynamical system as chaotic, it must have these properties:[22]

  1. it must be sensitive to initial conditions,
  2. it must be topologically transitive,
  3. it must have dense periodic orbits.

In some cases, the last two properties above have been shown to actually imply sensitivity to initial conditions.[23][24] In the discrete-time case, this is true for all continuous maps on metric spaces.[25] In these cases, while it is often the most practically significant property, "sensitivity to initial conditions" need not be stated in the definition.

If attention is restricted to intervals, the second property implies the other two.[26] An alternative and a generally weaker definition of chaos uses only the first two properties in the above list.[27]

Sensitivity to initial conditions[edit]

Lorenz equations used to generate plots for the y variable. The initial conditions for x and z were kept the same but those for y were changed between 1.001, 1.0001 and 1.00001. The values for , and were 45.91, 16 and 4 respectively. As can be seen from the graph, even the slightest difference in initial values causes significant changes after about 12 seconds of evolution in the three cases. This is an example of sensitive dependence on initial conditions.

Sensitivity to initial conditions means that each point in a chaotic system is arbitrarily closely approximated by other points that have significantly different future paths or trajectories. Thus, an arbitrarily small change or perturbation of the current trajectory may lead to significantly different future behavior.[2]

Sensitivity to initial conditions is popularly known as the "butterfly effect", so-called because of the title of a paper given by Edward Lorenz in 1972 to the American Association for the Advancement of Science in Washington, D.C., entitled Predictability: Does the Flap of a Butterfly's Wings in Brazil set off a Tornado in Texas?.[28] The flapping wing represents a small change in the initial condition of the system, which causes a chain of events that prevents the predictability of large-scale phenomena. Had the butterfly not flapped its wings, the trajectory of the overall system could have been vastly different.

As suggested in Lorenz's book entitled The Essence of Chaos, published in 1993,[5] "sensitive dependence can serve as an acceptable definition of chaos". In the same book, Lorenz defined the butterfly effect as: "The phenomenon that a small alteration in the state of a dynamical system will cause subsequent states to differ greatly from the states that would have followed without the alteration." The above definition is consistent with the sensitive dependence of solutions on initial conditions (SDIC). An idealized skiing model was developed to illustrate the sensitivity of time-varying paths to initial positions.[5] A predictability horizon can be determined before the onset of SDIC (i.e., prior to significant separations of initial nearby trajectories).[29]

A consequence of sensitivity to initial conditions is that if we start with a limited amount of information about the system (as is usually the case in practice), then beyond a certain time, the system would no longer be predictable. This is most prevalent in the case of weather, which is generally predictable only about a week ahead.[30] This does not mean that one cannot assert anything about events far in the future—only that some restrictions on the system are present. For example, we know that the temperature of the surface of the earth will not naturally reach 100 °C (212 °F) or fall below −130 °C (−202 °F) on earth (during the current geologic era), but we cannot predict exactly which day will have the hottest temperature of the year.

In more mathematical terms, the Lyapunov exponent measures the sensitivity to initial conditions, in the form of rate of exponential divergence from the perturbed initial conditions.[31] More specifically, given two starting trajectories in the phase space that are infinitesimally close, with initial separation , the two trajectories end up diverging at a rate given by

where is the time and is the Lyapunov exponent. The rate of separation depends on the orientation of the initial separation vector, so a whole spectrum of Lyapunov exponents can exist. The number of Lyapunov exponents is equal to the number of dimensions of the phase space, though it is common to just refer to the largest one. For example, the maximal Lyapunov exponent (MLE) is most often used, because it determines the overall predictability of the system. A positive MLE is usually taken as an indication that the system is chaotic.[8]

In addition to the above property, other properties related to sensitivity of initial conditions also exist. These include, for example, measure-theoretical mixing (as discussed in ergodic theory) and properties of a K-system.[11]

Non-periodicity[edit]

A chaotic system may have sequences of values for the evolving variable that exactly repeat themselves, giving periodic behavior starting from any point in that sequence. However, such periodic sequences are repelling rather than attracting, meaning that if the evolving variable is outside the sequence, however close, it will not enter the sequence and in fact, will diverge from it. Thus for almost all initial conditions, the variable evolves chaotically with non-periodic behavior.

Topological mixing[edit]

Six iterations of a set of states passed through the logistic map. The first iterate (blue) is the initial condition, which essentially forms a circle. Animation shows the first to the sixth iteration of the circular initial conditions. It can be seen that mixing occurs as we progress in iterations. The sixth iteration shows that the points are almost completely scattered in the phase space. Had we progressed further in iterations, the mixing would have been homogeneous and irreversible. The logistic map has equation . To expand the state-space of the logistic map into two dimensions, a second state, , was created as , if and otherwise.
The map defined by x → 4 x (1 – x) and y → (x + y) mod 1 also displays topological mixing. Here, the blue region is transformed by the dynamics first to the purple region, then to the pink and red regions, and eventually to a cloud of vertical lines scattered across the space.

Topological mixing (or the weaker condition of topological transitivity) means that the system evolves over time so that any given region or open set of its phase space eventually overlaps with any other given region. This mathematical concept of "mixing" corresponds to the standard intuition, and the mixing of colored dyes or fluids is an example of a chaotic system.

Topological mixing is often omitted from popular accounts of chaos, which equate chaos with only sensitivity to initial conditions. However, sensitive dependence on initial conditions alone does not give chaos. For example, consider the simple dynamical system produced by repeatedly doubling an initial value. This system has sensitive dependence on initial conditions everywhere, since any pair of nearby points eventually becomes widely separated. However, this example has no topological mixing, and therefore has no chaos. Indeed, it has extremely simple behavior: all points except 0 tend to positive or negative infinity.

Topological transitivity[edit]

A map is said to be topologically transitive if for any pair of non-empty open sets , there exists such that . Topological transitivity is a weaker version of topological mixing. Intuitively, if a map is topologically transitive then given a point x and a region V, there exists a point y near x whose orbit passes through V. This implies that it is impossible to decompose the system into two open sets.[32]

An important related theorem is the Birkhoff Transitivity Theorem. It is easy to see that the existence of a dense orbit implies topological transitivity. The Birkhoff Transitivity Theorem states that if X is a second countable, complete metric space, then topological transitivity implies the existence of a dense set of points in X that have dense orbits.[33]

Density of periodic orbits[edit]

For a chaotic system to have dense periodic orbits means that every point in the space is approached arbitrarily closely by periodic orbits.[32] The one-dimensional logistic map defined by x → 4 x (1 – x) is one of the simplest systems with density of periodic orbits. For example,  →  → (or approximately 0.3454915 → 0.9045085 → 0.3454915) is an (unstable) orbit of period 2, and similar orbits exist for periods 4, 8, 16, etc. (indeed, for all the periods specified by Sharkovskii's theorem).[34]

Sharkovskii's theorem is the basis of the Li and Yorke[35] (1975) proof that any continuous one-dimensional system that exhibits a regular cycle of period three will also display regular cycles of every other length, as well as completely chaotic orbits.

Strange attractors[edit]

The Lorenz attractor displays chaotic behavior. These two plots demonstrate sensitive dependence on initial conditions within the region of phase space occupied by the attractor.

Some dynamical systems, like the one-dimensional logistic map defined by x → 4 x (1 – x), are chaotic everywhere, but in many cases chaotic behavior is found only in a subset of phase space. The cases of most interest arise when the chaotic behavior takes place on an attractor, since then a large set of initial conditions leads to orbits that converge to this chaotic region.[36]

An easy way to visualize a chaotic attractor is to start with a point in the basin of attraction of the attractor, and then simply plot its subsequent orbit. Because of the topological transitivity condition, this is likely to produce a picture of the entire final attractor, and indeed both orbits shown in the figure on the right give a picture of the general shape of the Lorenz attractor. This attractor results from a simple three-dimensional model of the Lorenz weather system. The Lorenz attractor is perhaps one of the best-known chaotic system diagrams, probably because it is not only one of the first, but it is also one of the most complex, and as such gives rise to a very interesting pattern that, with a little imagination, looks like the wings of a butterfly.

Unlike fixed-point attractors and limit cycles, the attractors that arise from chaotic systems, known as strange attractors, have great detail and complexity. Strange attractors occur in both continuous dynamical systems (such as the Lorenz system) and in some discrete systems (such as the Hénon map). Other discrete dynamical systems have a repelling structure called a Julia set, which forms at the boundary between basins of attraction of fixed points. Julia sets can be thought of as strange repellers. Both strange attractors and Julia sets typically have a fractal structure, and the fractal dimension can be calculated for them.

Coexisting attractors[edit]

Coexisting chaotic and non-chaotic attractors within the generalized Lorenz model.[37][38][39] There are 128 orbits in different colors, beginning with different initial conditions for dimensionless time between 0.625 and 5 and a heating parameter r = 680. Chaotic orbits recurrently return close to the saddle point at the origin. Nonchaotic orbits eventually approach one of two stable critical points, as shown with large blue dots. Chaotic and nonchaotic orbits occupy different regions of attraction within the phase space.

In contrast to single type chaotic solutions, recent studies using Lorenz models [40][41] have emphasized the importance of considering various types of solutions. For example, coexisting chaotic and non-chaotic may appear within the same model (e.g., the double pendulum system) using the same modeling configurations but different initial conditions. The findings of attractor coexistence, obtained from classical and generalized Lorenz models,[37][38][39] suggested a revised view that "the entirety of weather possesses a dual nature of chaos and order with distinct predictability", in contrast to the conventional view of "weather is chaotic".

Minimum complexity of a chaotic system[edit]

Bifurcation diagram of the logistic map xr x (1 – x). Each vertical slice shows the attractor for a specific value of r. The diagram displays period-doubling as r increases, eventually producing chaos. Darker points are visited more frequently.

Discrete chaotic systems, such as the logistic map, can exhibit strange attractors whatever their dimensionality. In contrast, for continuous dynamical systems, the Poincaré–Bendixson theorem shows that a strange attractor can only arise in three or more dimensions. Finite-dimensional linear systems are never chaotic; for a dynamical system to display chaotic behavior, it must be either nonlinear or infinite-dimensional.

The Poincaré–Bendixson theorem states that a two-dimensional differential equation has very regular behavior. The Lorenz attractor discussed below is generated by a system of three differential equations such as:

where , , and make up the system state, is time, and , , are the system parameters. Five of the terms on the right hand side are linear, while two are quadratic; a total of seven terms. Another well-known chaotic attractor is generated by the Rössler equations, which have only one nonlinear term out of seven. Sprott[42] found a three-dimensional system with just five terms, that had only one nonlinear term, which exhibits chaos for certain parameter values. Zhang and Heidel[43][44] showed that, at least for dissipative and conservative quadratic systems, three-dimensional quadratic systems with only three or four terms on the right-hand side cannot exhibit chaotic behavior. The reason is, simply put, that solutions to such systems are asymptotic to a two-dimensional surface and therefore solutions are well behaved.

While the Poincaré–Bendixson theorem shows that a continuous dynamical system on the Euclidean plane cannot be chaotic, two-dimensional continuous systems with non-Euclidean geometry can still exhibit some chaotic properties.[45] Perhaps surprisingly, chaos may occur also in linear systems, provided they are infinite dimensional.[46] A theory of linear chaos is being developed in a branch of mathematical analysis known as functional analysis.

The above set of three ordinary differential equations has been referred to as the three-dimensional Lorenz model.[47] Since 1963, higher-dimensional Lorenz models have been developed in numerous studies[48][49][37][38] for examining the impact of an increased degree of nonlinearity, as well as its collective effect with heating and dissipations, on solution stability.

Infinite dimensional maps[edit]

The straightforward generalization of coupled discrete maps[50] is based upon convolution integral which mediates interaction between spatially distributed maps:,

where kernel is propagator derived as Green function of a relevant physical system,[51] might be logistic map alike or complex map. For examples of complex maps the Julia set or Ikeda map may serve. When wave propagation problems at distance with wavelength are considered the kernel may have a form of Green function for Schrödinger equation:.[52][53]

.

Джерковые системы [ править ]

В физике . рывок — это третья производная положения по времени Таким образом, дифференциальные уравнения вида

иногда называют уравнениями рывка . Было показано, что уравнение рывка, которое эквивалентно системе трех обыкновенных нелинейных дифференциальных уравнений первого порядка, является в определенном смысле минимальной средой для решений, демонстрирующих хаотическое поведение. Это мотивирует математический интерес к джерк-системам. Системы, включающие четвертую и выше производную, называются соответственно системами гиперрывков. [54]

Поведение системы рывка описывается уравнением рывка, а для некоторых уравнений рывка решения могут моделировать простые электронные схемы. Эти схемы известны как рывковые схемы.

Одним из наиболее интересных свойств рывковых схем является возможность хаотического поведения. Фактически, некоторые известные хаотические системы, такие как аттрактор Лоренца и отображение Ресслера , условно описываются как система трёх дифференциальных уравнений первого порядка, которые могут объединяться в одно (хотя и довольно сложное) уравнение рывка. Другой пример уравнения рывка с нелинейностью по величине является:

Здесь A — регулируемый параметр. Это уравнение имеет хаотическое решение при A =3/5 и может быть реализовано с помощью следующей схемы рывка; требуемая нелинейность достигается за счет двух диодов:

В приведенной выше схеме все резисторы имеют одинаковую номинальную стоимость, кроме , и все конденсаторы имеют одинаковую емкость. Доминирующая частота . Выход операционного усилителя 0 будет соответствовать переменной x, выход 1 соответствует первой производной x, а выход 2 соответствует второй производной.

Подобные схемы требуют только одного диода. [55] или вообще без диодов. [56]

См. также известную схему Чуа , одну из основ хаотических генераторов истинных случайных чисел. [57] Простота конструкции схемы сделала ее повсеместным реальным примером хаотической системы.

Спонтанный заказ [ править ]

При правильных условиях хаос спонтанно превращается в паттерн. В модели Курамото четырех условий достаточно для синхронизации хаотической системы.Примеры включают связанные колебания маятников Христиана Гюйгенса , светлячков, нейронов , резонанс лондонского моста Миллениум и большие массивы джозефсоновских переходов . [58]

Более того, с точки зрения теоретической физики сам динамический хаос в самом общем проявлении представляет собой стихийный порядок. Суть здесь в том, что большинство порядков в природе возникает в результате спонтанного нарушения различных симметрий. В это большое семейство явлений входят упругость, сверхпроводимость, ферромагнетизм и многие другие. Согласно суперсимметричной теории стохастической динамики , хаос, точнее, его стохастическое обобщение, также является частью этого семейства. Соответствующая нарушенная симметрия представляет собой топологическую суперсимметрию , которая скрыта во всех стохастических (частных) дифференциальных уравнениях , а соответствующий параметр порядка представляет собой теоретико-полевое воплощение эффекта бабочки. [59]

История [ править ]

Папоротник Барнсли, созданный с помощью игры хаоса . Природные формы (папоротники, облака, горы и т. д.) можно воссоздать с помощью системы итеративных функций (IFS).

Джеймс Клерк Максвелл впервые подчеркнул « эффект бабочки » и считается одним из первых, кто обсуждал теорию хаоса, работая в 1860-х и 1870-х годах. [60] [61] [62] Одним из первых сторонников теории хаоса был Анри Пуанкаре . В 1880-х годах, изучая проблему трёх тел , он обнаружил, что могут существовать непериодические орбиты, но при этом они не постоянно увеличиваются и не приближаются к фиксированной точке. [63] [64] [65] В 1898 году Жак Адамар опубликовал влиятельное исследование хаотического движения свободной частицы, скользящей без трения по поверхности постоянной отрицательной кривизны, названное « бильярд Адамара ». [66] Адамару удалось показать, что все траектории неустойчивы, поскольку все траектории частиц экспоненциально расходятся друг от друга с положительным показателем Ляпунова .

Теория хаоса зародилась в области эргодической теории . Более поздние исследования, также по теме нелинейных дифференциальных уравнений , были проведены Джорджем Дэвидом Биркгофом , [67] Andrey Nikolaevich Kolmogorov , [68] [69] [70] Мэри Люси Картрайт и Джон Эденсор Литтлвуд , [71] и Стивен Смейл . [72] 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 ссылка ] Хотя хаотического движения планет не наблюдалось, экспериментаторы сталкивались с турбулентностью в движении жидкости и непериодическими колебаниями в радиосхемах, не имея теории, объясняющей то, что они видели.

Несмотря на первоначальные открытия, сделанные в первой половине двадцатого века, теория хаоса стала формализованной как таковая только после середины столетия, когда некоторым ученым впервые стало очевидно, что линейная теория , преобладающая в то время теория систем, просто не могла объяснить наблюдаемые явления. поведение некоторых экспериментов подобно поведению логистической карты . То, что приписывалось неточности измерения и простому « шуму », рассматривалось теоретиками хаоса как полноценный компонент изучаемых систем. В 1959 году Борис Валерианович Чириков предложил критерий возникновения классического хаоса в гамильтоновых системах ( критерий Чирикова ). Он применил этот критерий для объяснения некоторых экспериментальных результатов по удержанию плазмы в ловушках с открытыми пробками. [73] [74] Это считается самой первой физической теорией хаоса, сумевшей объяснить конкретный эксперимент. А самого Бориса Чирикова считают пионером в области классического и квантового хаоса. [75] [76] [77]

Главным катализатором развития теории хаоса стал электронный компьютер. Большая часть математики теории хаоса включает в себя многократное повторение простых математических формул, которые было бы непрактично делать вручную. Электронные компьютеры сделали эти повторяющиеся расчеты практичными, а рисунки и изображения позволили визуализировать эти системы. Будучи аспирантом лаборатории Тихиро Хаяси в Киотском университете, Ёсисуке Уэда экспериментировал с аналоговыми компьютерами и 27 ноября 1961 года заметил то, что он назвал «случайным переходным явлением». Однако его советник в то время не согласился с его выводами и не позволял ему сообщать о своих выводах до 1970 года. [78] [79]

Турбулентность в концевом вихре крыла самолета . Исследования критической точки, за которой система создает турбулентность, были важны для теории хаоса, проанализированной, например, советским физиком Львом Ландау , который разработал теорию турбулентности Ландау-Хопфа . Дэвид Рюэль и Флорис Такенс позже предсказали, вопреки Ландау, что турбулентность жидкости может развиваться благодаря странному аттрактору — основной концепции теории хаоса.

Эдвард Лоренц был пионером этой теории. Его интерес к хаосу возник случайно во время его работы по предсказанию погоды в 1961 году. [13] Лоренц и его соратница Эллен Феттер и Маргарет Гамильтон. [80] мы использовали простой цифровой компьютер Royal McBee LGP-30 для моделирования погоды. Они хотели снова увидеть последовательность данных и, чтобы сэкономить время, начали моделирование в середине его процесса. Они сделали это, введя распечатку данных, которые соответствовали условиям в середине исходного моделирования. К их удивлению, погода, которую начала предсказывать машина, полностью отличалась от предыдущего расчета. Они отследили это по компьютерной распечатке. Компьютер работал с точностью до 6 цифр, но в распечатке переменные округлялись до трехзначного числа, поэтому значение типа 0,506127 печаталось как 0,506. Эта разница незначительна, и в то время было решено, что она не должна иметь практического эффекта. Однако Лоренц обнаружил, что небольшие изменения в начальных условиях приводят к большим изменениям в долгосрочных результатах. [81] Открытие Лоренца, давшее название аттракторам Лоренца , показало, что даже детальное моделирование атмосферы, как правило, не может дать точных долгосрочных прогнозов погоды.

В 1963 году Бенуа Мандельброт , изучая теорию информации , обнаружил, что шум во многих явлениях (включая цены на акции и телефонные цепи) имеет структуру, подобную множеству Кантора — набору точек с бесконечной шероховатостью и детализацией. [82] Мандельброт описал как «эффект Ноя» (при котором могут происходить внезапные прерывистые изменения), так и «эффект Йозефа» (при котором значение может сохраняться какое-то время, но впоследствии внезапно меняться). [83] [84] В 1967 году он опубликовал статью « Какова длина побережья Британии? Статистическое самоподобие и дробная размерность », показав, что длина береговой линии варьируется в зависимости от масштаба измерительного прибора, похожа на себя во всех масштабах и бесконечна по длине для бесконечно малый измерительный прибор. [85] Утверждая, что клубок шпагата выглядит как точка, если смотреть издалека (0-мерный), клубок, если смотреть достаточно близко (3-мерный), или изогнутая прядь (1-мерный), он утверждал, что размеры объект относится к наблюдателю и может быть дробным. Объект, неравномерность которого постоянна в разных масштабах («самоподобие»), является фракталом (примеры включают губку Менгера , прокладку Серпинского и кривую Коха или снежинку , которая бесконечно длинна, но охватывает конечное пространство и имеет фрактальную структуру). размерность около 1,2619). В 1982 году Мандельброт опубликовал «Фрактальную геометрию природы» , ставшую классикой теории хаоса. [86]

В декабре 1977 года Нью-Йоркская академия наук организовала первый симпозиум по хаосу, на котором присутствовали Дэвид Рюэль, Роберт Мэй , Джеймс А. Йорк (автор термина «хаос», используемого в математике), Роберт Шоу и метеоролог Эдвард Лоренц. В следующем году Пьер Кулле и Шарль Трессер опубликовали «Итерации эндоморфизмов и группы перенормировок», а статья Митчелла Фейгенбаума «Количественная универсальность для класса нелинейных преобразований» наконец появилась в журнале после трех лет отклонений рецензентов. [87] [88] Таким образом, Фейгенбаум (1975) и Кулле и Трессер (1978) открыли универсальность хаоса, что позволило применить теорию хаоса ко многим различным явлениям.

В 1979 году Альберт Дж. Либхабер во время симпозиума, организованного в Аспене Пьером Хоэнбергом , представил свое экспериментальное наблюдение бифуркационного каскада , который приводит к хаосу и турбулентности в Рэлея-Бенара конвекционных системах . Он был награжден премией Вольфа по физике в 1986 году вместе с Митчеллом Дж. Фейгенбаумом за их вдохновляющие достижения. [89]

В 1986 году Нью-Йоркская академия наук совместно с Национальным институтом психического здоровья и Управлением военно-морских исследований организовала первую важную конференцию по хаосу в биологии и медицине. Там Бернардо Хуберман представил математическую модель дисфункции слежения за взглядом у людей, страдающих шизофренией . [90] Это привело к обновлению физиологии в 1980-е годы за счет применения теории хаоса, например, при изучении патологических сердечных циклов .

В 1987 году Пер Бак , Чао Тан и Курт Визенфельд опубликовали статью в журнале Physical Review Letters. [91] впервые описывающая самоорганизованную критичность (SOC), считающуюся одним из механизмов возникновения сложности в природе.

Наряду с в основном лабораторными подходами, такими как песчаная куча Бака-Танга-Визенфельда , многие другие исследования были сосредоточены на крупномасштабных природных или социальных системах, которые, как известно (или предположительно), демонстрируют масштабно-инвариантное поведение. Хотя эти подходы не всегда приветствовались (по крайней мере, первоначально) специалистами по изучаемым предметам, SOC, тем не менее, зарекомендовал себя как сильный кандидат для объяснения ряда природных явлений, включая 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. [92] описание частоты афтершоков), солнечных вспышек , колебаний в экономических системах, таких как финансовые рынки (ссылки на SOC распространены в эконофизике ), формирование ландшафта, лесные пожары , оползни , эпидемии и биологическая эволюция (где SOC использовался, например, , как динамический механизм, лежащий в основе теории « прерывистого равновесия », выдвинутой Найлсом Элдриджем и Стивеном Джеем Гулдом ). Учитывая последствия безмасштабного распределения размеров событий, некоторые исследователи предположили, что еще одним явлением, которое следует рассматривать как пример SOC, является возникновение войн . Эти исследования SOC включали как попытки моделирования (либо разработку новых моделей, либо адаптацию существующих к специфике данной природной системы), так и обширный анализ данных для определения существования и/или характеристик естественных законов масштабирования.

Также в 1987 году Джеймс Глейк опубликовал книгу «Хаос: создание новой науки» , которая стала бестселлером и представила широкой публике общие принципы теории хаоса, а также ее историю. [93] Первоначально теория хаоса была сферой деятельности нескольких изолированных людей, но постепенно превратилась в трансдисциплинарную и институциональную дисциплину, главным образом под названием анализа нелинейных систем . Ссылаясь на Томаса Куна концепцию о сдвиге парадигмы , изложенную в «Структуре научных революций» (1962), многие «хаологи» (как некоторые называли себя) утверждали, что эта новая теория является примером такого сдвига, и этот тезис поддержал Глейк. .

Доступность более дешевых и мощных компьютеров расширяет возможности применения теории хаоса. В настоящее время теория хаоса остается активной областью исследований. [94] включая множество различных дисциплин, таких как математика , топология , физика , [95] социальные системы , [96] популяционное моделирование , биология , метеорология , астрофизика , теория информации , вычислительная нейробиология , пандемическими управление кризисами , [16] [17] и т. д.

Лоренца в хаотическое Новаторский вклад моделирование

За свою карьеру профессор Лоренц написал в общей сложности 61 исследовательскую работу, из которых 58 были написаны им единолично. [97] Начиная с конференции 1960 года в Японии, Лоренц отправился в путь разработки разнообразных моделей, направленных на раскрытие SDIC и хаотических особенностей. Недавний обзор модели Лоренца [98] [99] Прогресс, охватывающий период с 1960 по 2008 год, показал его умение использовать различные физические системы для иллюстрации хаотических явлений. Эти системы включали квазигеострофические системы, консервативное уравнение завихренности, уравнения конвекции Рэлея-Бенара и уравнения мелкой воды. Более того, Лоренцу можно приписать раннее применение логистической карты для исследования хаотических решений, и это веха, которую он достиг раньше своих коллег (например, Лоренц 1964). [100] ).

В 1972 году Лоренц ввел термин «эффект бабочки» как метафору, чтобы обсудить, может ли небольшое возмущение в конечном итоге создать торнадо с трехмерной, организованной и последовательной структурой. Хотя его метафорический вариант связан с первоначальным эффектом бабочки, основанным на чувствительной зависимости от начальных условий, он несет в себе отчетливые нюансы. В ознаменование этой вехи в честь 50-летия метафорического эффекта бабочки была официально опубликована переизданная книга, содержащая приглашенные статьи, которые углубляют наше понимание обоих эффектов бабочки. [101]

хаоса но неточная аналогия . Популярная ,

Чувствительная зависимость от начальных условий (т. е. эффект бабочки) была проиллюстрирована с использованием следующего фольклора: [93]

Из-за отсутствия гвоздя туфля потерялась.

Из-за отсутствия подковы лошадь потерялась.

Из-за отсутствия лошади погиб всадник.

Из-за отсутствия всадника битва была проиграна.

Из-за отсутствия битвы королевство было потеряно.

И все из-за отсутствия гвоздя для подковы.

Основываясь на вышеизложенном, многие люди ошибочно полагают, что влияние крошечного начального возмущения монотонно увеличивается со временем и что любое крошечное возмущение может в конечном итоге оказать большое влияние на численное интегрирование. Однако в 2008 году Лоренц заявил, что, по его мнению, этот стих не описывает настоящий хаос, а лучше иллюстрирует более простой феномен нестабильности и что этот стих неявно предполагает, что последующие небольшие события не изменят результат. [102] Судя по анализу, этот стих указывает только на расхождение, а не на ограниченность. [6] Ограниченность важна для конечного размера шаблона бабочки. [6] [102] [103] В недавнем исследовании [104] характеристика вышеупомянутого стиха недавно была обозначена как «зависимость, чувствительная к конечному времени».

Приложения [ править ]

, Текстильная оболочка конуса внешне похожая на Правило 30 , клеточный автомат с хаотичным поведением. [105]

Хотя теория хаоса родилась в результате наблюдений за погодными условиями, она стала применима и к множеству других ситуаций. Некоторые области, извлекающие выгоду из теории хаоса сегодня, - это геология , математика , биология , информатика , экономика , [106] [107] [108] инженерия , [109] [110] финансы , [111] [112] [113] [114] [115] метеорология , философия , антропология , [15] физика , [116] [117] [118] политика , [119] [120] динамика численности населения , [121] и робототехника . Ниже перечислены несколько категорий с примерами, но это ни в коем случае не полный список, поскольку появляются новые приложения.

Криптография [ править ]

Теория хаоса уже много лет используется в криптографии . За последние несколько десятилетий хаос и нелинейная динамика использовались при разработке сотен криптографических примитивов . Эти алгоритмы включают в себя алгоритмы шифрования изображений , хэш-функции , безопасные генераторы псевдослучайных чисел , поточные шифры , водяные знаки и стеганографию . [122] Большинство этих алгоритмов основаны на унимодальных хаотических картах, и большая часть этих алгоритмов использует параметры управления и начальное состояние хаотических карт в качестве ключей. [123] В более широкой перспективе, без потери общности, сходство между хаотическими картами и криптографическими системами является основной мотивацией для разработки криптографических алгоритмов, основанных на хаосе. [122] Один тип шифрования, секретный ключ или симметричный ключ , основан на диффузии и путанице , которые хорошо моделируются теорией хаоса. [124] Другой тип вычислений, ДНК-вычисления , в сочетании с теорией хаоса предлагают способ шифрования изображений и другой информации. [125] Доказано, что многие криптографические алгоритмы ДНК-Хаоса либо небезопасны, либо применяемая техника неэффективна. [126] [127] [128]

Робототехника [ править ]

Робототехника — еще одна область, которая в последнее время получила выгоду от теории хаоса. использовалась теория хаоса Вместо того, чтобы роботы совершенствовали взаимодействие с окружающей средой методом проб и ошибок, для построения прогнозирующей модели . [129] Хаотическую динамику демонстрируют пассивно идущие двуногие роботы. [130]

Биология [ править ]

Уже более ста лет биологи отслеживают популяции разных видов с помощью популяционных моделей . Большинство моделей являются непрерывными , но недавно учёным удалось реализовать хаотичные модели в определённых популяциях. [131] Например, исследование моделей канадской рыси показало хаотичный характер роста популяции. [132] Хаос также можно найти в экологических системах, таких как гидрология . Хотя хаотическая модель гидрологии имеет свои недостатки, ей еще предстоит многому научиться, рассматривая данные через призму теории хаоса. [133] Другое биологическое применение находит кардиотокография . Наблюдение за плодом представляет собой тонкий баланс между получением точной информации и максимальной неинвазивностью. Лучшие модели признаков гипоксии плода можно получить путем хаотического моделирования. [134]

Как указывает Перри, моделированию хаотических временных рядов в экологии помогают ограничения. [135] : 176, 177  Всегда существует потенциальная трудность отличить настоящий хаос от хаоса, который существует только в модели. [135] : 176, 177  Следовательно, как ограничения в модели, так и дублирование данных временных рядов для сравнения будут полезны для приведения модели к чему-то близкому к реальности, например, Perry & Wall 1984. [135] : 176, 177  ген за геном Коэволюция иногда демонстрирует хаотическую динамику частот аллелей . [136] Добавление переменных преувеличивает это: хаос чаще встречается в моделях, включающих дополнительные переменные, отражающие дополнительные аспекты реальной популяции. [136] Роберт М. Мэй сам провел некоторые из этих фундаментальных исследований коэволюции сельскохозяйственных культур, и это, в свою очередь, помогло сформировать всю эту область. [136] Даже в стабильной среде простое сочетание одной культуры и одного патогена может привести к квазипериодическим или хаотическим патогенов колебаниям популяции . [137] : 169 

Экономика [ править ]

Вполне возможно, что экономические модели также можно улучшить за счет применения теории хаоса, но прогнозирование состояния экономической системы и того, какие факторы влияют на нее больше всего, является чрезвычайно сложной задачей. [138] Экономические и финансовые системы фундаментально отличаются от систем классических естественных наук, поскольку первые по своей природе носят стохастический характер, поскольку являются результатом взаимодействия людей, и, следовательно, чисто детерминистские модели вряд ли обеспечат точное представление данных. Эмпирическая литература, посвященная проверке хаоса в экономике и финансах, дает очень неоднозначные результаты, отчасти из-за путаницы между конкретными тестами на хаос и более общими тестами на нелинейные отношения. [139]

Хаос можно обнаружить в экономике с помощью количественного анализа повторяемости . Фактически, Орландо и др. [140] с помощью так называемого индекса корреляции количественного повторения удалось обнаружить скрытые изменения во временных рядах. Затем тот же метод был использован для обнаружения переходов от ламинарной (регулярной) к турбулентной (хаотической) фазе, а также различий между макроэкономическими переменными и выявления скрытых особенностей экономической динамики. [141] Наконец, теория хаоса может помочь в моделировании того, как работает экономика, а также во внедрении шоков, вызванных внешними событиями, такими как COVID-19. [142]

Платформа расширенного моделирования искусственного интеллекта [ править ]

В моделях большого языка, управляемых искусственным интеллектом, ответы могут проявлять чувствительность к таким факторам, как изменения в форматировании и вариации подсказок. Эта чувствительность подобна эффекту бабочки. [143] Хотя классификация больших языковых моделей, основанных на искусственном интеллекте, как классических детерминированных хаотических систем, создает проблемы, подходы и методы, основанные на хаосе (такие как ансамблевое моделирование), могут использоваться для извлечения достоверной информации из этих обширных языковых моделей (см. также « Эффект бабочки в популярной культуре »). ).

Другие регионы [ править ]

В химии прогнозирование растворимости газов имеет важное значение для производства полимеров , но модели, использующие оптимизацию роя частиц (PSO), имеют тенденцию сходиться к неверным точкам. Улучшенная версия PSO была создана за счет введения хаоса, который предотвращает застревание моделирования. [144] В небесной механике , особенно при наблюдении астероидов, применение теории хаоса позволяет лучше предсказывать, когда эти объекты достигнут Земли и других планет. [145] Четыре из пяти спутников Плутона вращаются хаотично. В квантовой физике и электротехнике изучение больших массивов джозефсоновских переходов значительно выиграло от теории хаоса. [146] Ближе к дому угольные шахты всегда были опасными местами, где частые утечки природного газа приводят к многочисленным смертям. До недавнего времени не было надежного способа предсказать, когда они произойдут. Но эти утечки газа имеют хаотическую тенденцию, которую при правильном моделировании можно предсказать довольно точно. [147]

Теория хаоса может применяться за пределами естественных наук, но исторически почти все подобные исследования страдали от отсутствия воспроизводимости; плохая внешняя валидность; и/или невнимание к перекрестной проверке, что приводит к низкой точности прогнозирования (если даже была предпринята попытка прогнозирования за пределами выборки). Стекло [148] и Манделл и Зельц [149] обнаружили, что ни одно исследование ЭЭГ до сих пор не выявило наличия странных аттракторов или других признаков хаотического поведения.

Исследователи продолжают применять теорию хаоса в психологии. Например, моделируя групповое поведение, в котором разнородные члены могут вести себя так, как будто в разной степени разделяют то, что в теории Уилфреда Биона является основным предположением, исследователи обнаружили, что групповая динамика является результатом индивидуальной динамики членов: каждый индивид воспроизводит групповую динамику в разном масштабе, и хаотичное поведение группы отражается на каждом ее члене. [150]

Редингтон и Рейдборд (1992) попытались продемонстрировать, что человеческое сердце может проявлять хаотичные черты. Они отслеживали изменения интервалов между ударами сердца у одной психотерапевтической пациентки, когда она проходила через периоды различной эмоциональной интенсивности во время терапевтического сеанса. Результаты были, по общему признанию, неубедительными. Двусмысленность присутствовала не только в различных графиках, которые авторы создали, якобы чтобы продемонстрировать доказательства хаотической динамики (спектральный анализ, фазовые траектории и графики автокорреляции), но и когда они попытались вычислить показатель Ляпунова как более определенное подтверждение хаотического поведения, авторы обнаружили, что они не могут сделать это надежно. [151]

В своей статье 1995 года Меткалф и Аллен [152] утверждали, что они обнаружили в поведении животных закономерность удвоения периода, ведущую к хаосу. Авторы исследовали хорошо известную реакцию, называемую полидипсией, вызванной графиком, при которой животное, лишенное еды в течение определенного периода времени, пьет необычное количество воды, когда еда наконец-то ему представлена. Действующим здесь управляющим параметром (r) была продолжительность интервала между кормлениями после возобновления. Авторы постарались протестировать большое количество животных и включить множество повторений, и спланировали свой эксперимент так, чтобы исключить вероятность того, что изменения в паттернах реакции были вызваны разными стартовыми местами для r.

Временные ряды и графики первой задержки лучше всего подтверждают сделанные утверждения, демонстрируя довольно четкий переход от периодичности к нерегулярности по мере увеличения времени кормления. С другой стороны, различные графики фазовых траекторий и спектральный анализ недостаточно хорошо согласуются с другими графиками или с общей теорией, чтобы неумолимо привести к хаотическому диагнозу. Например, фазовые траектории не демонстрируют определенного прогресса в сторону все большей и большей сложности (и от периодичности); процесс кажется довольно запутанным. Кроме того, там, где Меткалф и Аллен видели на своих спектральных графиках периоды два и шесть, есть место для альтернативных интерпретаций. Вся эта двусмысленность требует некоторых извилистых, апостериорных объяснений, чтобы показать, что результаты соответствуют хаотичной модели.

Адаптировав модель карьерного консультирования, включив в нее хаотичную интерпретацию взаимоотношений между работниками и рынком труда, Амундсон и Брайт обнаружили, что людям, которые сталкиваются с трудностями при выборе карьеры, можно дать более эффективные рекомендации. [153] Современные организации все чаще рассматриваются как открытые сложные адаптивные системы с фундаментальными естественными нелинейными структурами, подверженные внутренним и внешним силам, которые могут способствовать хаосу. Например, построение команды и развитие группы все чаще исследуются как по своей сути непредсказуемая система, поскольку неопределенность при первой встрече разных людей делает траекторию движения команды непознаваемой. [154]

Некоторые говорят, что метафора хаоса, используемая в вербальных теориях, основана на математических моделях и психологических аспектах человеческого поведения.дает полезную информацию для описания сложности небольших рабочих групп, выходящую за рамки самой метафоры. [155]

Красные и синие машины движутся по очереди; красные движутся только вверх, а синие — вправо. Каждый раз все машины одного цвета пытаются продвинуться на один шаг, если перед ними нет машины. Здесь модель самоорганизовалась в несколько геометрическом узоре, где есть пробки и места, где автомобили могут двигаться на максимальной скорости.
The red cars and blue cars take turns to move; the red ones only move upwards, and the blue ones move rightwards. Every time, all the cars of the same colour try to move one step if there is no car in front of it. Here, the model has self-organized in a somewhat geometric pattern where there are some traffic jams and some areas where cars can move at top speed.

Прогнозирование дорожного движения может выиграть от применения теории хаоса. Более точное предсказание того, когда произойдет затор, позволит принять меры по его разгону до того, как он возникнет. Сочетание принципов теории хаоса с несколькими другими методами привело к созданию более точной модели краткосрочного прогнозирования (см. график модели трафика BML справа). [156]

Теория хаоса применялась к данным о водном цикле окружающей среды (также к гидрологическим данным), таким как количество осадков и речной сток. [157] Эти исследования дали противоречивые результаты, поскольку методы обнаружения хаотичной сигнатуры зачастую относительно субъективны. Ранние исследования, как правило, «преуспевали» в обнаружении хаоса, тогда как последующие исследования и метаанализы ставили эти исследования под сомнение и давали объяснения, почему эти наборы данных вряд ли будут иметь низкоразмерную хаотическую динамику. [158]

См. также [ править ]

Примеры хаотических систем

Другие связанные темы

Люди

Ссылки [ править ]

  1. ^ «Теория хаоса | Определение и факты» . Британская энциклопедия . Проверено 24 ноября 2019 г.
  2. Перейти обратно: Перейти обратно: а б с «Что такое теория хаоса? - Фонд фракталов» . Проверено 24 ноября 2019 г.
  3. ^ Вайсштейн, Эрик В. «Хаос» . mathworld.wolfram.com . Проверено 24 ноября 2019 г.
  4. ^ Боинг, Джефф (26 марта 2015 г.). «Теория хаоса и логистическая карта» . Проверено 17 мая 2020 г.
  5. Перейти обратно: Перейти обратно: а б с Лоренц, Эдвард (1993). Сущность хаоса . Вашингтонский университет Press. стр. 181–206.
  6. Перейти обратно: Перейти обратно: а б с Шен, Бо-Вэнь; Пилке, Роджер А.; Цзэн, Сюбин; Цуй, Цзялин; Фаги-Наини, Сара; Паксон, Вэй; Атлас, Роберт (04 июля 2022 г.). «Три вида эффектов бабочки в моделях Лоренца» . Энциклопедия . 2 (3): 1250–1259. дои : 10.3390/энциклопедия2030084 . ISSN   2673-8392 . Текст был скопирован из этого источника, который доступен по международной лицензии Creative Commons Attribution 4.0 .
  7. ^ Келлерт, Стивен Х. (1993). На волне хаоса: непредсказуемый порядок в динамических системах . Издательство Чикагского университета. п. 32 . ISBN  978-0-226-42976-2 .
  8. Перейти обратно: Перейти обратно: а б с д Бишоп, Роберт (2017), «Хаос» , в Залте, Эдвард Н. (редактор), Стэнфордская энциклопедия философии (изд. Весна 2017 г.), Лаборатория метафизических исследований, Стэнфордский университет , получено 24 ноября 2019 г.
  9. ^ Келлерт 1993 , с. 56
  10. ^ Келлерт 1993 , с. 62
  11. Перейти обратно: Перейти обратно: а б Верндл, Шарлотта (2009). «Каковы новые последствия хаоса для непредсказуемости?». Британский журнал философии науки . 60 (1): 195–220. arXiv : 1310.1576 . дои : 10.1093/bjps/axn053 . S2CID   354849 .
  12. ^ Дэнфорт, Кристофер М. (апрель 2013 г.). «Хаос в атмосфере, висящей на стене» . Математика планеты Земля 2013 . Проверено 12 июня 2018 г.
  13. Перейти обратно: Перейти обратно: а б Лоренц, Эдвард Н. (1963). «Детерминированный непериодический поток» . Журнал атмосферных наук . 20 (2): 130–141. Бибкод : 1963JAtS...20..130L . doi : 10.1175/1520-0469(1963)020<0130:DNF>2.0.CO;2 .
  14. ^ Иванцевич, Владимир Г.; Тияна Т. Иванцевич (2008). Сложная нелинейность: хаос, фазовые переходы, изменение топологии и интегралы по путям . Спрингер. ISBN  978-3-540-79356-4 .
  15. Перейти обратно: Перейти обратно: а б Моско М.С., Дэймон Ф.Х. (ред.) (2005). О порядке хаоса. Социальная антропология и наука о хаосе . Оксфорд: Книги Бергана.
  16. Перейти обратно: Перейти обратно: а б Пиотровски, Крис. «Теория пандемии и хаоса Covid-19: приложения, основанные на библиометрическом анализе» . www.researchgate.net . Проверено 13 мая 2020 г.
  17. Перейти обратно: Перейти обратно: а б Вайнбергер, Дэвид (2019). Повседневный хаос – технологии, сложность и как мы процветаем в новом мире возможностей . Harvard Business Review Press. ISBN  9781633693968 .
  18. ^ Мудрость, Джек; Сассман, Джеральд Джей (3 июля 1992 г.). «Хаотическая эволюция Солнечной системы». Наука . 257 (5066): 56–62. Бибкод : 1992Sci...257...56S . дои : 10.1126/science.257.5066.56 . hdl : 1721.1/5961 . ISSN   1095-9203 . ПМИД   17800710 . S2CID   12209977 .
  19. ^ Синхронизация: новая наука о спонтанном порядке , Стивен Строгац, Гиперион, Нью-Йорк, 2003, страницы 189–190.
  20. ^ Определение хаоса в Викисловаре ;
  21. ^ «Определение хаоса | Dictionary.com» . www.dictionary.com . Проверено 24 ноября 2019 г.
  22. ^ Хассельблатт, Борис; Анатоль Каток (2003). Первый курс динамики: с панорамой последних событий . Издательство Кембриджского университета. ISBN  978-0-521-58750-1 .
  23. ^ Элайди, Сабер Н. (1999). Дискретный хаос . Чепмен и Холл/CRC. п. 137. ИСБН  978-1-58488-002-8 .
  24. ^ Баснер, Уильям Ф. (2006). Топология и ее приложения . Уайли. п. 42. ИСБН  978-0-471-68755-9 .
  25. ^ Банки; Брукс; Кэрнс; Дэвис; Стейси (1992). «Об определении хаоса Девани». Американский математический ежемесячник . 99 (4): 332–334. дои : 10.1080/00029890.1992.11995856 .
  26. ^ Веллекуп, Мишель; Берглунд, Рауль (апрель 1994 г.). «На интервалах транзитивность = хаос». Американский математический ежемесячник . 101 (4): 353–5. дои : 10.2307/2975629 . JSTOR   2975629 .
  27. ^ Медио, Альфредо; Линии, Марджи (2001). Нелинейная динамика: учебник для начинающих . Издательство Кембриджского университета. п. 165 . ISBN  978-0-521-55874-7 .
  28. ^ «Эдвард Лоренц, отец теории хаоса и эффекта бабочки, умирает в 90 лет» . Новости МТИ . 16 апреля 2008 года . Проверено 24 ноября 2019 г.
  29. ^ Шен, Бо-Вэнь; Пилке, Роджер А.; Цзэн, Сюбинь (07 мая 2022 г.). «Одна седловая точка и два типа чувствительности в моделях Лоренца 1963 и 1969 годов» . Атмосфера . 13 (5): 753. Бибкод : 2022Атм..13..753С . дои : 10.3390/atmos13050753 . ISSN   2073-4433 .
  30. ^ Уоттс, Роберт Г. (2007). Глобальное потепление и будущее Земли . Морган и Клейпул. п. 17 .
  31. ^ Вайсштейн, Эрик В. «Характеристический показатель Ляпунова» . mathworld.wolfram.com . Проверено 24 ноября 2019 г.
  32. Перейти обратно: Перейти обратно: а б Девани 2003 г.
  33. ^ Робинсон 1995
  34. ^ Аллигуд, Зауэр и Йорк, 1997 г.
  35. ^ Ли, Тайвань ; Йорк, Дж. А. (1975). «Третий период подразумевает хаос» (PDF) . Американский математический ежемесячник . 82 (10): 985–92. Бибкод : 1975AmMM...82..985L . CiteSeerX   10.1.1.329.5038 . дои : 10.2307/2318254 . JSTOR   2318254 . Архивировано из оригинала (PDF) 29 декабря 2009 г.
  36. ^ Стрелиофф, Кристофер; и др., др. (2006). «Среднесрочное предсказание хаоса». Физ. Преподобный Летт . 96 (4): 044101. Бибкод : 2006PhRvL..96d4101S . doi : 10.1103/PhysRevLett.96.044101 . ПМИД   16486826 .
  37. Перейти обратно: Перейти обратно: а б с Шен, Бо-Вэнь (01 марта 2019 г.). «Агрегированная отрицательная обратная связь в обобщенной модели Лоренца» . Международный журнал бифуркации и хаоса . 29 (3): 1950037–1950091. Бибкод : 2019IJBC...2950037S . дои : 10.1142/S0218127419500378 . ISSN   0218-1274 . S2CID   132494234 .
  38. Перейти обратно: Перейти обратно: а б с Шен, Бо-Вэнь; Пилке, Роджер А.; Цзэн, Сюбин; Байк, Чон-Джин; Фаги-Наини, Сара; Цуй, Цзялин; Атлас, Роберт (01 января 2021 г.). «Хаотична ли погода?: Сосуществование хаоса и порядка в обобщенной модели Лоренца» . Бюллетень Американского метеорологического общества . 102 (1): Е148–Е158. Бибкод : 2021BAMS..102E.148S . дои : 10.1175/BAMS-D-19-0165.1 . ISSN   0003-0007 . S2CID   208369617 .
  39. Перейти обратно: Перейти обратно: а б Шен, Бо-Вэнь; Пилке-старший, Роджер Пилке; Цзэн, Сюбин; Цуй, Цзялин; Фаги-Наини, Сара; Паксон, Вэй; Кесаркар, Амит; Цзэн, Сипин; Атлас, Роберт (12 ноября 2022 г.). «Двойная природа хаоса и порядка в атмосфере» . Атмосфера . 13 (11): 1892. Бибкод : 2022Атм..13.1892С . дои : 10.3390/atmos13111892 . ISSN   2073-4433 .
  40. ^ Йорк, Джеймс А.; Йорк, Эллен Д. (1 сентября 1979 г.). «Метастабильный хаос: переход к устойчивому хаотическому поведению в модели Лоренца» . Журнал статистической физики . 21 (3): 263–277. Бибкод : 1979JSP....21..263Y . дои : 10.1007/BF01011469 . ISSN   1572-9613 . S2CID   12172750 .
  41. ^ Шен, Бо-Вэнь; Пилке-старший, РА; Цзэн, X.; Байк, Ж.-Ж.; Фагих-Наини, С.; Кюи, Дж.; Атлас, Р.; Рейес, ТАЛ (2021). «Хаотична ли погода? Сосуществование хаотических и нехаотических аттракторов в моделях Лоренца» . В Скиадасе, Христос Х.; Димотикалис, Яннис (ред.). 13-я Международная конференция по хаотическому моделированию и симуляции . Спрингерские слушания в сложности. Чам: Международное издательство Springer. стр. 805–825. дои : 10.1007/978-3-030-70795-8_57 . ISBN  978-3-030-70795-8 . S2CID   245197840 .
  42. ^ Спротт, Дж. К. (1997). «Простейший диссипативный хаотический поток». Буквы по физике А. 228 (4–5): 271–274. Бибкод : 1997PhLA..228..271S . дои : 10.1016/S0375-9601(97)00088-1 .
  43. ^ Фу, З.; Хайдель, Дж. (1997). «Нехаотическое поведение в трехмерных квадратичных системах». Нелинейность . 10 (5): 1289–1303. Бибкод : 1997Nonli..10.1289F . дои : 10.1088/0951-7715/10/5/014 . S2CID   250757113 .
  44. ^ Хайдель, Дж.; Фу, З. (1999). «Нехаотическое поведение в трехмерных квадратичных системах II. Консервативный случай». Нелинейность . 12 (3): 617–633. Бибкод : 1999Nonli..12..617H . дои : 10.1088/0951-7715/12/3/012 . S2CID   250853499 .
  45. ^ Ульчиграй, Коринна (2021). «Медленный хаос в поверхностных потоках» . Бюллетень Итальянского математического союза . 14 (1): 231–255. arXiv : 2010.06231 . дои : 10.1007/s40574-020-00267-0 . ISSN   1972-6724 .
  46. ^ Бонет, Дж.; Мартинес-Хименес, Ф.; Перис, А. (2001). «Банахово пространство, не допускающее хаотического оператора». Бюллетень Лондонского математического общества . 33 (2): 196–8. дои : 10.1112/blms/33.2.196 . S2CID   121429354 .
  47. ^ Шен, Бо-Вэнь (01 мая 2014 г.). «Нелинейная обратная связь в пятимерной модели Лоренца» . Журнал атмосферных наук . 71 (5): 1701–1723. Бибкод : 2014JAtS...71.1701S . doi : 10.1175/JAS-D-13-0223.1 . ISSN   0022-4928 . S2CID   123683839 .
  48. ^ Мусиелак, Дора Э.; Муселяк, Здзислав Э.; Кеннамер, Кенни С. (1 марта 2005 г.). «Наступление хаоса в нелинейных динамических системах определено с помощью новой фрактальной техники» . Фракталы . 13 (1): 19–31. дои : 10.1142/S0218348X0500274X . ISSN   0218-348X .
  49. ^ Рой, Д.; Мусиелак, ZE (1 мая 2007 г.). «Обобщенные модели Лоренца и их пути к хаосу. I. Энергосберегающие усечения вертикальной моды» . Хаос, солитоны и фракталы . 32 (3): 1038–1052. Бибкод : 2007CSF....32.1038R . дои : 10.1016/j.chaos.2006.02.013 . ISSN   0960-0779 .
  50. ^ Адачихара, Х; Маклафлин, Д.В.; Молони, СП; Ньюэлл, AC (1988). «Уединенные волны как неподвижные точки бесконечномерных отображений оптического бистабильного кольцевого резонатора: анализ». Журнал математической физики . 29 (1): 63. Бибкод : 1988JMP....29...63A . дои : 10.1063/1.528136 .
  51. ^ Окулов А Ю; Ораевский А.Н. (1988). «Пространственно-временная динамика волнового пакета в нелинейной среде и дискретных отображениях». В Н.Г. Басове (ред.). Труды Физического института им . Лебедева. Том. 187. Наука. стр. 202–222. LCCN   88174540 .
  52. ^ Окулов, А Ю (2000). «Пространственный солитонный лазер: геометрия и устойчивость». Оптика и спектроскопия . 89 (1): 145–147. Бибкод : 2000OptSp..89..131O . дои : 10.1134/BF03356001 . S2CID   122790937 .
  53. ^ Окулов, А Ю (2020). «Структурированные световые сущности, хаос и нелокальные карты». Хаос, солитоны и фракталы . 133 (4): 109638. arXiv : 1901.09274 . Бибкод : 2020CSF...13309638O . дои : 10.1016/j.chaos.2020.109638 . S2CID   118828500 .
  54. ^ К. К. Хлуверакис и Дж. К. Спротт, Солитоны и фракталы хаоса 28, 739–746 (2005), Хаотические системы гиперрывков, http://sprott.физика.wisc.edu/pubs/paper297.htm
  55. ^ «Новая схема хаотического рывка» , Дж. К. Спротт, Транзакции IEEE в схемах и системах, 2011.
  56. ^ «Простые автономные хаотические схемы» , Дж. К. Спротт, Транзакции IEEE в схемах и системах — II: Express Briefs, 2010.
  57. ^ «Безопасное шифрование изображений на основе генератора хаотического шума Чуа» , А. С. Андреатос * и А. П. Лерос, Journal of Engineering Science and Technology Review, 2013.
  58. ^ Стивен Строгац, Синхронизация: новая наука о спонтанном порядке , Гиперион, 2003.
  59. ^ Овчинников, ИВ (15 февраля 2024 г.). «Повсеместный порядок, известный как хаос» . Хаос, солитоны и фракталы . 181 (5): 114611. Бибкод : 2024CSF...18114611O . дои : 10.1016/j.chaos.2024.114611 . ISSN   0960-0779 .
  60. ^ Хант, Брайан Р.; Йорк, Джеймс А. (1993). «Максвелл о хаосе» (PDF) . Нелинейная наука сегодня . 3 (1).
  61. ^ Эверитт, Фрэнсис (1 декабря 2006 г.). «Джеймс Клерк Максвелл: сила физики» . Мир физики . Проверено 3 ноября 2023 г.
  62. ^ Гардини, Лаура; Гребоги, Селсо; Ленчи, Стефано (01 октября 2020 г.). «Теория и приложения хаоса: ретроспектива извлеченных и упущенных уроков или новых возможностей» . Нелинейная динамика . 102 (2): 643–644. дои : 10.1007/s11071-020-05903-0 . hdl : 2164/17003 . ISSN   1573-269X . S2CID   225246631 .
  63. ^ Пуанкаре, Жюль Анри (1890). «О задаче трех тел и уравнениях динамики. Расходимость рядов М. Линдстедта» . Акта Математика . 13 (1–2): 1–270. дои : 10.1007/BF02392506 .
  64. ^ Пуанкаре, Ж. Анри (2017). Задача трех тел и уравнения динамики: фундаментальная работа Пуанкаре по теории динамических систем . Попп, Брюс Д. (переводчик). Чам, Швейцария: Springer International Publishing. ISBN  9783319528984 . OCLC   987302273 .
  65. ^ Диаку, Флорин; Холмс, Филип (1996). Небесные встречи: истоки хаоса и стабильности . Издательство Принстонского университета .
  66. ^ Адамар, Жак (1898). «Поверхности противоположной кривизны и их геодезические линии». Журнал чистой и прикладной математики . 4 :27–73.
  67. ^ Джордж Д. Биркгоф, Динамические системы, том. 9 публикаций коллоквиума Американского математического общества (Провиденс, Род-Айленд: Американское математическое общество, 1927)
  68. ^ Колмогоров, Андрей Николаевич (1941). «Локальная структура турбулентности в несжимаемой жидкости при очень больших числах Рейнольдса» . Доклады Академии наук СССР . 30 (4): 301–5. Бибкод : 1941ДоССР..30..301К . Перепечатано в: Колмогоров, АН (1991). «Локальная структура турбулентности в несжимаемой вязкой жидкости при очень больших числах Рейнольдса». Труды Королевского общества А. 434 (1890): 9–13. Бибкод : 1991RSPSA.434....9K . дои : 10.1098/rspa.1991.0075 . S2CID   123612939 .
  69. ^ Колмогоров А. Н. (1941). «О вырождении изотропной турбулентности в несжимаемой вязкой жидкости». Доклады Академии наук СССР . 31 (6): 538–540. Перепечатано в: Колмогоров, АН (1991). «Диссипация энергии в локально изотропной турбулентности». Труды Королевского общества А. 434 (1890): 15–17. Бибкод : 1991RSPSA.434...15K . дои : 10.1098/rspa.1991.0076 . S2CID   122060992 .
  70. ^ Колмогоров А.Н. (1979). «Сохранение условно периодических движений при малом изменении функции Гамильтона». Стохастическое поведение в классических и квантовых гамильтоновых системах . Конспект лекций по физике. стр. 51–56. Бибкод : 1979ЛНП....93...51К . дои : 10.1007/BFb0021737 . ISBN  978-3-540-09120-2 . Translation of Doklady Akademii Nauk SSSR (1954) 98: 527. See also Kolmogorov–Arnold–Moser theorem
  71. ^ Картрайт, Мэри Л.; Литтлвуд, Джон Э. (1945). «О нелинейных дифференциальных уравнениях второго порядка I: Уравнение y » + k (1− y 2 ) y' + y = b λkcos(λ t + a ), k big». Журнал Лондонского математического общества . 20 (3): 180–9. doi : 10.1112/jlms/s1-20.3.180 . См. также: Осциллятор Ван дер Поля
  72. ^ Смейл, Стивен (январь 1960 г.). «Неравенства Морса для динамической системы» . Бюллетень Американского математического общества . 66 : 43–49. дои : 10.1090/S0002-9904-1960-10386-2 .
  73. ^ Chirikov, Boris. "РЕЗОНАНСНЫЕ ПРОЦЕССЫ В МАГНИТНЫХ ЛОВУШКАХ" (PDF) . Атомная энергия . 6 .
  74. ^ Чириков, Б.В. (1960-12-01). «Резонансные процессы в магнитных ловушках» . Советский журнал атомной энергии . 6 (6): 464–470. дои : 10.1007/BF01483352 . ISSN   1573-8205 . S2CID   59483478 .
  75. ^ Жан, Беллиссар ; Дима Шепелянский (27 февраля 1998 г.). «Борис Чириков, пионер классического и квантового хаоса» (PDF) . Анналы Анри Пуанкаре . 68 (4): 379.
  76. ^ Беллиссар, Дж.; Бохигас, О.; Казати, Г.; Шепелянский Д.Л. (1 июля 1999 г.). «Пионер хаоса» . Физика D: Нелинейные явления . 131 (1–4): viii–xv. Бибкод : 1999PhyD..131D...8B . дои : 10.1016/s0167-2789(99)90007-6 . ISSN   0167-2789 . S2CID   119107150 .
  77. ^ Шепелянский, Дима. Хаос в Fifty Four в 2013 году . OCLC   859751750 .
  78. ^ Авраам и Уэда 2000 , см. главы 3 и 4.
  79. ^ Спротт 2003 , с. 89
  80. ^ Сокол, Джошуа (20 мая 2019 г.). «Скрытые героини хаоса» . Журнал Кванта . Проверено 9 ноября 2022 г.
  81. ^ Глейк, Джеймс (1987). Хаос: создание новой науки . Лондон: Кардинал. п. 17. ISBN  978-0-434-29554-8 .
  82. ^ Бергер Дж.М.; Мандельброт Б. (1963). «Новая модель кластеризации ошибок в телефонных цепях». Журнал исследований и разработок IBM . 7 (3): 224–236. дои : 10.1147/рд.73.0224 .
  83. ^ Мандельброт, Б. (1977). Фрактальная геометрия природы . Нью-Йорк: Фриман. п. 248.
  84. ^ См. также: Мандельброт, Бенуа Б.; Хадсон, Ричард Л. (2004). (Неправильное) поведение рынков: фрактальный взгляд на риск, разорение и вознаграждение . Нью-Йорк: Основные книги. п. 201 . ISBN  9780465043552 .
  85. ^ Мандельброт, Бенуа (5 мая 1967 г.). «Какова длина побережья Британии? Статистическое самоподобие и дробная размерность» . Наука . 156 (3775): 636–8. Бибкод : 1967Sci...156..636M . дои : 10.1126/science.156.3775.636 . ПМИД   17837158 . S2CID   15662830 . Архивировано из оригинала 19 октября 2021 года . Проверено 31 января 2022 г.
  86. ^ Мандельброт, Б. (1982). Фрактальная геометрия природы . Нью-Йорк: Макмиллан. ISBN  978-0716711865 .
  87. ^ Фейгенбаум, Митчелл (июль 1978 г.). «Количественная универсальность для класса нелинейных преобразований». Журнал статистической физики . 19 (1): 25–52. Бибкод : 1978JSP....19...25F . CiteSeerX   10.1.1.418.9339 . дои : 10.1007/BF01020332 . S2CID   124498882 .
  88. ^ Кулле, Пьер и Шарль Трессер. «Итерации эндоморфизмов и ренормгруппа». Le Journal de Physique Colloquies 39.C5 (1978): C5-25
  89. ^ «Премия Вольфа по физике 1986 года» . Архивировано из оригинала 25 мая 2024 г. Проверено 17 января 2008 г.
  90. ^ Хуберман, бакалавр наук (июль 1987 г.). «Модель дисфункций плавного преследующего движения глаз». Анналы Нью-Йоркской академии наук . 504 Перспективы биологической динамики и теоретической медицины (1): 260–273. Бибкод : 1987NYASA.504..260H . дои : 10.1111/j.1749-6632.1987.tb48737.x . ПМИД   3477120 . S2CID   42733652 .
  91. ^ Бак, Пер; Тан, Чао; Визенфельд, Курт (27 июля 1987 г.). «Самоорганизованная критичность: объяснение шума 1/f». Письма о физических отзывах . 59 (4): 381–4. Бибкод : 1987PhRvL..59..381B . doi : 10.1103/PhysRevLett.59.381 . ПМИД   10035754 . S2CID   7674321 . Однако выводы этой статьи являются предметом споров. "?" . Архивировано из оригинала 14 декабря 2007 г. . См. особенно: Лаурсон, Лассе; Алава, Микко Дж.; Заппери, Стефано (15 сентября 2005 г.). «Письмо: Спектры мощности самоорганизующихся критических песчаных куч». Журнал статистической механики: теория и эксперимент . 0511 . Л001.
  92. ^ Омори, Ф. (1894). «О последствиях землетрясений». Журнал Научного колледжа Императорского университета Токио . 7 : 111–200.
  93. Перейти обратно: Перейти обратно: а б Глейк, Джеймс (26 августа 2008 г.). Хаос: создание новой науки . Книги о пингвинах. ISBN  978-0143113454 .
  94. ^ Моттер, А.Е.; Кэмпбелл, ДК (2013). «Хаос в пятьдесят» . Физ. Сегодня . 66 (5): 27–33. arXiv : 1306.5777 . Бибкод : 2013ФТ....66е..27М . дои : 10.1063/пт.3.1977 . S2CID   54005470 .
  95. ^ Хаблер, А.; Фостер, Г.; Фелпс, К. (2007). «Управление хаосом: нестандартное мышление». Сложность . 12 (3): 10. Бибкод : 2007Cmplx..12c..10H . дои : 10.1002/cplx.20159 .
  96. ^ Киль, Л.; Эллиотт, Юэл, ред. (1996). Теория хаоса в социальных науках: основы и приложения . Анн-Арбор, Мичиган: Издательство Мичиганского университета. дои : 10.3998/mpub.14623 . hdl : 2027/fulcrum.d504rm03n . ISBN  9780472106387 .
  97. ^ Чен, Г.-Р. (01.01.2020). «Эффект бабочки и хаос» (PDF) . Проверено 1 июля 2023 г.
  98. ^ Шен, Бо-Вэнь; Пилке-старший, Роджер; Цзэн, Сюбин (12 августа 2023 г.). «50-летие метафорического эффекта бабочки со времен Лоренца (1972): мультистабильность, многомасштабная предсказуемость и чувствительность в числовых моделях» . Атмосфера . 14 (8): 1279. Бибкод : 2023Атм..14.1279С . дои : 10.3390/atmos14081279 .
  99. ^ Шен, Бо-Вэнь (04 сентября 2023 г.). «Обзор моделей Лоренца с 1960 по 2008 год» . Международный журнал бифуркации и хаоса . 33 (10): 2330024–2330220. Бибкод : 2023IJBC...3330024S . дои : 10.1142/S0218127423300240 . S2CID   261548506 .
  100. ^ Лоренц, EN (1964). «Проблема вывода климата из основных уравнений» . Теллус . 16 (1): 1–11. Бибкод : 1964Скажите...16....1Л . дои : 10.3402/tellusa.v16i1.8893 .
  101. ^ Шен, Бо-Вэнь; Пилке-старший, Роджер; Цзэн, Сюбин, ред. (11 октября 2023 г.). 50-летие метафорического эффекта бабочки со времен Лоренца (1972): мультистабильность, многомасштабная предсказуемость и чувствительность в числовых моделях . МДПИ. дои : 10.3390/books978-3-0365-8911-4 . ISBN  978-3-0365-8911-4 .
  102. Перейти обратно: Перейти обратно: а б Лоренц, EN (декабрь 2008 г.). «Эффект бабочки. Лекция на премию Premio Felice Pietro Chisesi E Caterina Tomassoni; Римский университет: Рим, Италия» (PDF) . Архивировано из оригинала (PDF) 10 июня 2023 года . Проверено 29 января 2023 г.
  103. ^ Шен, Бо-Вэнь. «Популярная, но неточная аналогия хаоса и эффекта бабочки» . Ютуб . Проверено 21 февраля 2023 г.
  104. ^ Сайки, Ёситака; Йорк, Джеймс А. (2 мая 2023 г.). «Может ли взмах крыльев бабочки перенести торнадо в Техас без хаоса?» . Атмосфера . 14 (5): 821. Бибкод : 2023Атмос..14..821С . дои : 10.3390/atmos14050821 . ISSN   2073-4433 .
  105. ^ Стивен Кумбс (февраль 2009 г.). «Геометрия и пигментация ракушек» (PDF) . www.maths.nottingham.ac.uk . Университет Ноттингема . Архивировано (PDF) из оригинала 5 ноября 2013 г. Проверено 10 апреля 2013 г.
  106. ^ Кирцов С.; Лабис В. (2006). «Доказательства хаотической зависимости между инфляцией в США и ценами на сырье». Журнал макроэкономики . 28 (1): 256–266. дои : 10.1016/j.jmacro.2005.10.019 .
  107. ^ Кирцов С., Лабис В.; Лабис (2007). «Обнаружение положительной обратной связи в многомерных временных рядах: на примере цен на металлы и инфляции в США». Физика А. 377 (1): 227–229. Бибкод : 2007PhyA..377..227K . дои : 10.1016/j.physa.2006.11.002 .
  108. ^ Кирцов, К.; Ворлов, К. (2005). «Сложная динамика в макроэкономике: новый подход». В Диболте, К.; Кирцов, К. (ред.). Новые тенденции в макроэкономике . Спрингер Верлаг.
  109. ^ Эрнандес-Акоста, Массачусетс; Трехо-Вальдес, М.; Кастро-Чакон, Дж. Х.; Мигель, ЧР Торрес-Сан; Мартинес-Гутьеррес, Х. (2018). «Хаотические характеристики фотопроводящих наноструктур Cu 2 ZnSnS 4 , исследованных аттракторами Лоренца» . Новый журнал физики . 20 (2): 023048. Бибкод : 2018NJPh...20b3048H . дои : 10.1088/1367-2630/aaad41 . ISSN   1367-2630 .
  110. ^ «Применение теории хаоса к встраиваемым приложениям» . Архивировано из оригинала 9 августа 2011 года.
  111. ^ Христо-Варсакелис, Д.; Кирцов, К. (2008). «Доказательства нелинейной асимметричной причинно-следственной связи в инфляции в США, доходности металлов и акций» . Дискретная динамика в природе и обществе . 2008 : 1–7. дои : 10.1155/2008/138547 . 138547.
  112. ^ Кирцов, К.; М. Терраза (2003). «Можно ли совместно изучать хаотическое поведение и поведение ARCH? Применение зашумленного уравнения Макки-Гласса с гетероскедастическими ошибками к ряду результатов Парижской фондовой биржи». Вычислительная экономика . 21 (3): 257–276. дои : 10.1023/А:1023939610962 . S2CID   154202123 .
  113. ^ Грегори-Уильямс, Жюстин; Уильямс, Билл (2004). Торговый хаос: максимизируйте прибыль с помощью проверенных технических методов (2-е изд.). Нью-Йорк: Уайли. ISBN  9780471463085 .
  114. ^ Питерс, Эдгар Э. (1994). Фрактальный анализ рынка: применение теории хаоса к инвестициям и экономике (2-е печатное изд.). Нью-Йорк ua: Уайли. ISBN  978-0471585244 .
  115. ^ Питерс, / Эдгар Э. (1996). Хаос и порядок на рынках капитала: новый взгляд на циклы, цены и волатильность рынка (2-е изд.). Нью-Йорк: Джон Уайли и сыновья. ISBN  978-0471139386 .
  116. ^ Хаблер, А.; Фелпс, К. (2007). «Проведение саморегулирующейся системы через хаос». Сложность . 13 (2): 62. Бибкод : 2007Cmplx..13b..62W . дои : 10.1002/cplx.20204 .
  117. ^ Гериг, А. (2007). «Хаос в одномерном сжимаемом потоке». Физический обзор E . 75 (4): 045202. arXiv : nlin/0701050 . Бибкод : 2007PhRvE..75d5202G . дои : 10.1103/PhysRevE.75.045202 . ПМИД   17500951 . S2CID   45804559 .
  118. ^ Уотерспун, Т.; Хаблер, А. (2009). «Адаптация к грани хаоса на саморегулирующейся логистической карте». Журнал физической химии А. 113 (1): 19–22. Бибкод : 2009JPCA..113...19W . дои : 10.1021/jp804420g . ПМИД   19072712 .
  119. ^ Бородкин, Леонид Иванович (2019). «Вызовы нестабильности: концепции синергетики в изучении исторического развития России» . Уральский исторический журнал . 63 (2): 127–136. дои : 10.30759/1728-9718-2019-2(63)-127-136 .
  120. ^ Прогонати, Э (2018). «Брексит в свете теории хаоса и некоторых предположений о будущем Европейского Союза». Хаос, сложность и лидерство: исследования теории хаоса и сложности в 2018 году . Спрингер. ISBN  978-3-030-27672-0 .
  121. ^ Дилан, Р.; Домингос, Т. (2001). «Периодическое и квазипериодическое поведение в моделях населения с возрастной структурой, зависящих от ресурсов». Бюллетень математической биологии . 63 (2): 207–230. дои : 10.1006/bulm.2000.0213 . ПМИД   11276524 . S2CID   697164 .
  122. Перейти обратно: Перейти обратно: а б Ахаван, А.; Самсудин А.; Ахшани, А. (1 октября 2011 г.). «Схема симметричного шифрования изображений, основанная на сочетании нелинейных хаотических карт». Журнал Института Франклина . 348 (8): 1797–1813. doi : 10.1016/j.jfranklin.2011.05.001 .
  123. ^ Бениа, С.; Ахшани, А.; Махмоди, Х.; Ахаван, А. (1 января 2008 г.). «Новый алгоритм шифрования изображений, основанный на смеси хаотических карт». Хаос, солитоны и фракталы . 35 (2): 408–419. Бибкод : 2008CSF....35..408B . дои : 10.1016/j.chaos.2006.05.011 .
  124. ^ Ван, Синъюань; Чжао, Цзяньфэн (2012). «Улучшенный протокол соглашения о ключах, основанный на хаосе». Коммун. Нелинейная наука. Число. Симул . 15 (12): 4052–4057. Бибкод : 2010CNSNS..15.4052W . дои : 10.1016/j.cnsns.2010.02.014 .
  125. ^ Бабаи, Маджид (2013). «Новый метод шифрования текста и изображений, основанный на теории хаоса и вычислениях ДНК». Естественные вычисления . 12 (1): 101–107. дои : 10.1007/s11047-012-9334-9 . S2CID   18407251 .
  126. ^ Ахаван, А.; Самсудин А.; Ахшани, А. (01 октября 2017 г.). «Криптоанализ алгоритма шифрования изображений, основанного на кодировании ДНК». Оптика и лазерные технологии . 95 : 94–99. Бибкод : 2017OptLT..95...94A . дои : 10.1016/j.optlastec.2017.04.022 .
  127. ^ Сюй, Мин (01.06.2017). «Криптоанализ алгоритма шифрования изображений, основанного на работе с последовательностями ДНК и гиперхаотической системе». 3D-исследования . 8 (2): 15. Бибкод : 2017TDR.....8..126X . дои : 10.1007/s13319-017-0126-y . ISSN   2092-6731 . S2CID   125169427 .
  128. ^ Лю, Юаньшэн; Тан, Цзе; Се, Тао (01 августа 2014 г.). «Криптоанализ алгоритма шифрования изображений RGB, основанного на кодировании ДНК и карте хаоса». Оптика и лазерные технологии . 60 : 111–115. arXiv : 1307.4279 . Бибкод : 2014OptLT..60..111L . дои : 10.1016/j.optlastec.2014.01.015 . S2CID   18740000 .
  129. ^ Немцов, Ульрих; Кейт Уокер (декабрь 2005 г.). «Количественное описание взаимодействия робота и окружающей среды с использованием теории хаоса» (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 оригинала (PDF) 12 августа 2017 г. Проверено 25 октября 2017 г.
  130. ^ Госвами, Амбариш; Тюило, Бенуа; Эспиау, 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 .
  131. ^ Эдуардо, Лиз; Руис-Эррера, Альфонсо (2012). «Хаос в дискретно структурированных моделях населения». Журнал SIAM по прикладным динамическим системам . 11 (4): 1200–1214. дои : 10.1137/120868980 .
  132. ^ Лай, Децзян (1996). «Сравнительное исследование моделей AR на основе данных о канадской рыси: внимательный взгляд на статистику BDS». Вычислительная статистика и анализ данных . 22 (4): 409–423. дои : 10.1016/0167-9473(95)00056-9 .
  133. ^ Сивакумар, Б. (31 января 2000 г.). «Теория хаоса в гидрологии: важные проблемы и интерпретации». Журнал гидрологии . 227 (1–4): 1–20. Бибкод : 2000JHyd..227....1S . дои : 10.1016/S0022-1694(99)00186-9 .
  134. ^ Бозоки, Жолт (февраль 1997 г.). «Теория хаоса и анализ спектра мощности в компьютерной кардиотокографии». Европейский журнал акушерства, гинекологии и репродуктивной биологии . 71 (2): 163–168. дои : 10.1016/s0301-2115(96)02628-0 . ПМИД   9138960 .
  135. Перейти обратно: Перейти обратно: а б с Перри, Джо; Смит, Роберт; Войвод, Ян; Морс, Дэвид (2000). Перри, Джо Н; Смит, Роберт Х; Войвод, Ян П; Морс, Дэвид Р. (ред.). Хаос в реальных данных: анализ нелинейной динамики на основе коротких экологических временных рядов . Серия по популяционной и общественной биологии (1-е изд.). Springer Science+Business Media Дордрехт . стр. xii+226. дои : 10.1007/978-94-011-4010-2 . ISBN  978-94-010-5772-1 . S2CID   37855255 .
  136. Перейти обратно: Перейти обратно: а б с Томпсон, Джон; Бердон, Джереми (1992). «Коэволюция ген-за-геном растений и паразитов». Обзорная статья. Природа . 360 (6400). Издательская группа Nature : 121–125. Бибкод : 1992Natur.360..121T . дои : 10.1038/360121a0 . eISSN   1476-4687 . ISSN   0028-0836 . S2CID   4346920 .
  137. ^ Джонс, Гарет (1998). Джонс, Д. Гарет (ред.). Эпидемиология болезней растений (1-е изд.). Springer Science+Business Media Дордрехт . стр. xvi + 460 + 26 ч/б ил. + 33 цветных ил. дои : 10.1007/978-94-017-3302-1 . ISBN  978-94-017-3302-1 . S2CID   1793087 .
  138. ^ Хуарес, Фернандо (2011). «Применение теории хаоса и сложной модели здоровья для установления связей между финансовыми показателями» . Procedia Информатика . 3 : 982–986. дои : 10.1016/j.procs.2010.12.161 .
  139. ^ 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 . Архивировано (PDF) из оригинала 9 августа 2017 г.
  140. ^ Орландо, Джузеппе; Зиматоре, Джованна (18 декабря 2017 г.). «Корреляции RQA на временных рядах реальных деловых циклов» . Индийская академия наук – Серия конференций . 1 (1): 35–41. дои : 10.29195/iascs.01.01.0009 .
  141. ^ Орландо, Джузеппе; Зиматоре, Джованна (1 мая 2018 г.). «Количественный анализ повторяемости деловых циклов» . Хаос, солитоны и фракталы . 110 : 82–94. Бибкод : 2018CSF...110...82O . дои : 10.1016/j.chaos.2018.02.032 . ISSN   0960-0779 . S2CID   85526993 .
  142. ^ Орландо, Джузеппе; Зиматоре, Джованна (1 августа 2020 г.). «Моделирование делового цикла между финансовыми кризисами и черными лебедями: стохастический процесс Орнштейна – Уленбека против детерминированной хаотической модели Калдора» . Хаос: междисциплинарный журнал нелинейной науки . 30 (8): 083129. Бибкод : 2020Хаос..30х3129О . дои : 10.1063/5.0015916 . ПМИД   32872798 . S2CID   235909725 .
  143. ^ Салинас, Абель; Морстаттер, Фред (1 января 2024 г.). «Эффект бабочки при изменении подсказок: как небольшие изменения и джейлбрейки влияют на производительность большой языковой модели». arXiv : 2401.03729 [ cs.CL ].
  144. ^ Ли, Мэншань; Синъюань Хуанга; Хэшэн Люа; Бинсян Люб; Ян Вуб; Айхуа Сюнц; Тяньвэнь Донг (25 октября 2013 г.). «Прогнозирование растворимости газа в полимерах с помощью искусственной нейронной сети обратного распространения на основе алгоритма самоадаптивной оптимизации роя частиц и теории хаоса». Жидкостно-фазовые равновесия . 356 : 11–17. дои : 10.1016/j.fluid.2013.07.017 .
  145. ^ Морбиделли, А. (2001). «Хаотическая диффузия в небесной механике». Регулярная и хаотическая динамика . 6 (4): 339–353. дои : 10.1070/rd2001v006n04abeh000182 .
  146. ^ Стивен Строгац, Синхронизация: новая наука о спонтанном порядке , Гиперион, 2003 г.
  147. ^ Динци, Ли; Юаньпин Ченга; Лей Ванга; Хайфэн Ванга; Лян Ванга; Хунсин Чжоу (май 2011 г.). «Метод прогнозирования рисков выбросов угля и газа на основе теории пространственного хаоса с использованием показателя десорбции газа бурового шлама». Горная наука и технология . 21 (3): 439–443. Бибкод : 2011MiSTC..21..439L . дои : 10.1016/j.mstc.2011.05.010 .
  148. ^ Стекло, Л. (1997). «Динамическое заболевание: влияние нелинейной динамики и хаоса на кардиологию и медицину». В Гребоги, С; Йорк, Дж. А. (ред.). Влияние хаоса на науку и общество . Издательство Университета Организации Объединенных Наций.
  149. ^ Манделл, Эй Джей; Зельц, К.А. (1997). «Является ли ЭЭГ странным аттрактором?». В Гребоги, С; Йорк, Дж. А. (ред.). Влияние хаоса на науку и общество . Издательство Университета Организации Объединенных Наций.
  150. ^ Даль Форно, Арианна; Мерлоне, Уго (2013). «Нелинейная динамика в рабочих группах с основными предположениями Биона». Нелинейная динамика, психология и науки о жизни . 17 (2): 295–315. ISSN   1090-0578 . ПМИД   23517610 .
  151. ^ Редингтон, диджей; Рейдборд, СП (1992). «Хаотическая динамика деятельности вегетативной нервной системы пациента во время психотерапевтического сеанса». Биологическая психиатрия . 31 (10): 993–1007. дои : 10.1016/0006-3223(92)90093-F . ПМИД   1511082 . S2CID   214722 .
  152. ^ Меткалф, BR; Аллен, доктор юридических наук (1995). «В поисках хаоса в полидипсии, вызванной расписанием». В Аврааме, Флорида; Гильген, Арканзас (ред.). Теория хаоса в психологии . Гринвуд Пресс.
  153. ^ Прайор, Роберт Г.Л.; Норман Э. Амундсон; Джим Э. Х. Брайт (июнь 2008 г.). «Вероятности и возможности: последствия теории хаоса карьеры для стратегического консультирования». Ежеквартальный журнал «Развитие карьеры» . 56 (4): 309–318. дои : 10.1002/j.2161-0045.2008.tb00096.x .
  154. ^ Томпсон, Джейми; Джонстон, Джеймс; Бэнкс, Курт (2018). «Исследование ритуалов инициации в спортивном учреждении Великобритании и их влияние на развитие группы». Европейский спортивный менеджмент ежеквартально . 18 (5): 544–562. дои : 10.1080/16184742.2018.1439984 . S2CID   149352680 .
  155. ^ Из духовки, Арианна; Мерлоне, Уго (2013). «Хаотическая динамика в теории организации». В Биски, Джан Итало; Кьярелла, Карл; Щусько, Ирина (ред.). Глобальный анализ динамических моделей в экономике и финансах . Спрингер-Верлаг. стр. 185–204. ISBN  978-3-642-29503-4 .
  156. ^ Ван, Джин; Цисинь Ши (февраль 2013 г.). «Гибридная модель краткосрочного прогнозирования скорости трафика, основанная на теории хаоса, вейвлетного анализа и машины опорных векторов». Транспортные исследования, часть C: Новые технологии . 27 : 219–232. дои : 10.1016/j.trc.2012.08.004 .
  157. ^ «Доктор Грегори Б. Пастернак - Гидрология водоразделов, геоморфология и экогидравлика :: Хаос в гидрологии» . пастернак.ucdavis.edu . Проверено 12 июня 2017 г.
  158. ^ Пастернак, Грегори Б. (1 ноября 1999 г.). «Река дичает? Оценка хаоса в гидрологических системах». Достижения в области водных ресурсов . 23 (3): 253–260. Бибкод : 1999AdWR...23..253P . дои : 10.1016/s0309-1708(99)00008-1 .

Дальнейшее чтение [ править ]

Статьи [ править ]

Учебники [ править ]

Полутехнические и популярные произведения [ править ]

Внешние ссылки [ править ]

Примечание об авторских правах [ править ]