Лоренц теория хаоса – Теория хаоса

Содержание

Теория хаоса

Теория хаоса в последнее время является одним из самых модных подходов к исследованию рынка. К сожалению, точного математического определения понятия хаос пока не существует. Сейчас зачастую хаос определяют как крайнюю непредсказуемость постоянного нелинейного и нерегулярного сложного движения, возникающую в динамической системе. 

ХАОС НЕ СЛУЧАЕН

Следует отметить, что хаос не случаен, несмотря на свойство непредсказуемости. Более того, хаос динамически детерминирован (определен). На первый взгляд непредсказуемость граничит со случайностью - ведь мы, как правило, не можем предсказать как раз случайные явления. 

И если относиться к рынку как к случайным блужданиям, то это как раз тот самый случай. Однако хаос не случаен, он подчиняется своим закономерностям. Согласно теории хаоса, если вы говорите о хаотичном движении цены, то вы должны иметь ввиду не случайное движение цены, а другое, особенно упорядоченное движение. Если динамика рынка хаотична, то она не случайна, хотя и по-прежнему непредсказуема. 

Непредсказуемость хаоса

Непредсказуемость хаоса объясняется в основном существенной зависимостью от начальных условий. Такая зависимость указывает на то, что даже самые малые ошибки при измерении параметров исследуемого объекта могут привести к абсолютно неверным предсказаниям. 

Эти ошибки могут возникать вследствие элементарного незнания всех начальных условий. Что-то обязательно ускользнет от нашего внимания, а значит, уже в самой постановке задачи будет заложена внутренняя ошибка, которая приведет к существенным погрешностям в предсказаниях. 

"Эффект бабочки"

Применительно к невозможности делать долгосрочные прогнозы погоды существенную зависимость от начальных условий иногда называют "эффектом бабочки". "Эффект бабочки" указывает на существование вероятности того, что взмах крыла бабочки в Бразилии приведет к появлению торнадо в Техасе. 

Дополнительные неточности в результат исследований и расчетов могут вносить самые на первый взгляд незаметные факторы воздействия на систему, которые появляются в период ее существования с начального момента до появления фактического и окончательного результата. При этом факторы воздействия могут быть как экзогенные (внешние), так и эндогенные (внутренние). 

Ярким примером хаотического поведения является движение бильярдного шара. Если вы когда-либо играли в бильярд, то знаете, что от начальной точности удара, его силы, положения кия относительно шара, оценка месторасположения шара, по которому наносится удар, а также расположения других шаров, находящихся на столе, зависит конечный результат. Малейшая неточность в одном из этих факторов приводит к самым непредсказуемым последствиям - шар может покатиться совсем не туда, куда ожидал бильярдист. Более того, даже если бильярдист все сделал правильно, попробуйте предсказать движения шара после пяти-шести столкновений. 

Рассмотрим еще один пример влияния начальных условий на конечный результат. Представим себе, например, камень на вершине горы. Стоит его чуть-чуть подтолкнуть, и он покатится вниз до самого подножия горы. Понятно, что совсем малое изменение силы толчка и его направления может привести к очень значительному изменению места остановки камня у подножия. Есть, правда, одна очень существенная разница между примером с камнем и хаотической системой. 

В первом факторы воздействия на камень во время его падения с горы (ветер, препятствия, изменения внутренней структуры вследствие столкновений и т.п.) уже не оказывают сильного воздействия на конечный результат по сравнению с начальными условиями. В хаотических системах малые изменения оказывают значительное воздействие на результат не только в начальных условиях, но и прочих факторах. 

Один из главных выводов теории хаоса, таким образом, заключается в следующем - будущее предсказать невозможно, так как всегда будут ошибки измерения, порожденные в том числе незнанием всех факторов и условий. 

То же самое по-простому - малые изменения и/или ошибки могут порождать большие последствия. 

Рисунок 1. Существенная зависимость результата от начальных условий и факторов воздействия
  • Еще одним из основных свойств хаоса является экспоненциальное накопление ошибки. Согласно квантовой механике начальные условия всегда неопределенны, а согласно теории хаоса - эти неопределенности будут быстро прирастать и превысят допустимые пределы предсказуемости.
  • Второй вывод теории хаоса - достоверность прогнозов со временем быстро падает.
Данный вывод является существенным ограничением для применимости фундаментального анализа, оперирующего, как правило, именно долгосрочными категориями. 

Рисунок 2. Экспоненциальное снижение достоверности прогнозов
Обычно говорят, что хаос является более высокой формой порядка, однако более правильно считать хаос другой формой порядка - с неизбежностью в любой динамической системе за порядком в обычном его понимании следует хаос, а за хаосом порядок. Если мы определим хаос как беспорядок, то в таком беспорядке мы обязательно сможем увидеть свою, особенную форму порядка. Например, дым от сигарет сначала поднимающийся в виде упорядоченного столба под влиянием внешней среды принимает все более причудливые очертания, а его движения становятся хаотичными. 

Еще один пример хаотичности в природе - лист с любого дерева. Можно утверждать, что вы найдете много похожих листьев, например дуба, однако ни одной пары одинаковых листьев. Разница предопределена температурой, ветром, влажностью и многими другими внешними факторами, кроме чисто внутренних причин (например, генетической разницей). 

Движение от порядка к хаосу и обратно, по всей видимости, является сущностью вселенной, какие бы проявления ее мы не изучали. Даже в человеческом мозгу одновременно присутствует упорядоченное и хаотическое начала. Первое соответствует левому полушарию мозга, а второе - правому. Левое полушарие отвечает сознательное поведение человека, за выработку линейных правил и стратегий в поведении человека, где четко определяется "если…, то…". В правом же полушарии царит нелинейность и хаотичность. Интуиция является одним из проявлений правого полушария мозга. 

Теория хаоса изучает порядок хаотической системы, которая выглядит случайной, беспорядочной. При этом теория хаоса помогает построить модель такой системы, не ставя задачу точного предсказания поведения хаотической системы в будущем. 

Первые элементы теории хаоса появились еще в XIX веке, однако подлинное научное развитие эта теория получила во второй половине XX века, вместе с работами Эдварда Лоренца (Edward Lorenz) из Массачусетского технологического института и франко-американского математика Бенуа Б. Мандельброта (Benoit B. Mandelbrot). 

Эдвард Лоренц в свое время (начало 60-х годов XX века, работа опубликована в 1963 году) рассматривал, в чем возникает трудность при прогнозировании погоды. 

До работы Лоренца в мире науки господствовало два мнения относительно возможности точного прогнозирования погоды на бесконечно длительный срок. 

Первый подход сформулировал еще в 1776 году французский математик Пьер Симон Лаплас. Лаплас заявил, что "…если мы представим себе разум, который в данное мгновение постиг все связи между объектами во Вселенной, то он сможет установить соответствующее положение, движения и общие воздействия всех этих объектов в любое время в прошлом или в будущем". Этот его подход был очень похож на известные слова Архимеда: "Дайте мне точку опоры, и я переверну весь мир". 

Таким образом, Лаплас и его сторонники говорили, что для точного прогнозирования погоды необходимо только собрать больше информации обо всех частицах во Вселенной, их местоположении, скорости, массе, направлении движения, ускорении и т.п. Лаплас думал, чем больше человек будет знать, тем точнее будет его прогноз относительно будущего. 

Второй подход к возможности прогнозирования погоды раньше всех наиболее четко сформулировал другой французский математик, Жюль Анри Пуанкаре. В 1903 году он сказал: "Если бы мы точно знали законы природы и положение Вселенной в начальный момент, мы могли бы точно предсказать положение той же Вселенной в последующий момент. Но даже если бы законы природы открыли нам все свои тайны, мы и тогда могли бы знать начальное положение только приближенно. Если бы это позволило нам предсказать последующее положение с тем же приближением, это было бы все, что нам требуется, и мы могли бы сказать, что явление было предсказано, что оно управляется законами. Но это не всегда так; может случиться, что малые различия в начальных условиях вызовут очень большие различия в конечном явлении. Малая ошибка в первых породит огромную ошибку в последнем. Предсказание становится невозможным, и мы имеем дело с явлением, которое развивается по воле случая".

 

В этих словах Пуанкаре мы находим постулат теории хаоса о зависимости от начальных условий. Последующее развитие науки, особенно квантовой механики, опровергло детерминизм Лапласа. В 1927 году немецкий физик Вернер Гейзенберг открыл и сформулировал принцип неопределенности. Этот принцип объясняет, почему некоторые случайные явления не подчиняются лапласовому детерминизму. Гейзенберг показал принцип неопределенности на примере радиоактивного распада ядра. Так, из-за очень малых размеров ядра невозможно знать все процессы, происходящие внутри него. Поэтому, сколько бы информации мы не собирали о ядре, точно предсказать, когда это ядро распадется невозможно. 

Какими же инструментами располагает теория хаоса. В первую очередь это аттракторы и фракталы. 

Аттрактор (от англ. to attract - притягивать) - геометрическая структура, характеризующая поведение в фазовом пространстве по прошествии длительного времени. 

Здесь возникает необходимость определить понятие фазового пространства. Итак, фазовое пространство - это абстрактное пространство, координатами которого являются степени свободы системы. Например, у движения маятника две степени свободы. Это движение полностью определено начальной скоростью маятника и положением. 

Если движению маятника не оказывается сопротивления, то фазовым пространством будет замкнутая кривая. В реальности на Земле на движение маятника влияет сила трения. В этом случае фазовым пространством будет спираль. 

Рисунок 3. Движение маятника как пример фазового пространства

По простому, аттрактор - это то, к чему стремится прийти система, к чему она притягивается. 

  • Самым простым типом аттрактора является точка. Такой аттрактор характерен для маятника при наличии трения. Независимо от начальной скорости и положения, такой маятник всегда придет в состояние покоя, т.е. в точку.
  • Следующим типом аттрактора является предельный цикл, который имеет вид замкнутой кривой линии. Примером такого аттрактора является маятник, на который не влияет сила трения. Еще одним примером предельного цикла является биение сердца. Частота биения может снижаться и возрастать, однако она всегда стремится к своему аттрактору, своей замкнутой кривой.
  • Третий тип аттрактора - тор. На рисунке 4. тор показан в верхнем правом углу.
Рисунок 4. Основные типы аттракторов. Вверху показаны три предсказуемых, простых аттрактора. Внизу три хаотических аттрактора.
Несмотря на сложность поведения хаотических аттракторов, иногда называемых странными аттракторами, знание фазового пространства позволяет представить поведение системы в геометрической форме и соответственно предсказывать его. 

И хотя нахождение системы в конкретный момент времени в конкретной точке фазового пространства практически невозможно, область нахождения объекта и его стремление к аттрактору предсказуемы. 

Первым хаотическим аттрактором стал аттрактора Лоренца. На рисунке 3.7. он показан в левом нижнем углу. 

Рисунок 5. Хаотический аттрактор Лоренца
Аттрактор Лоренца рассчитан на основе всего трех степеней свободы - три обыкновенных дифференциальных уравнения, три константы и три начальных условия. Однако, несмотря на свою простоту, система Лоренца ведет себя псевдослучайным (хаотическим) образом. 

Смоделировав свою систему на компьютере, Лоренц выявил причину ее хаотического поведения - разницу в начальных условиях. Даже микроскопическое отклонение двух систем в самом начале в процессе эволюции приводило к экспоненциальному накоплению ошибок и соответственно их стохастическому расхождению. 

Вместе с тем, любой аттрактор имеет граничные размеры, поэтому экспоненциальная расходимость двух траекторий разных систем не может продолжаться бесконечно. Рано или поздно орбиты вновь сойдутся и пройдут рядом друг с другом или даже совпадут, хотя последнее очень маловероятно. Кстати, совпадение траекторий является правилом поведения простых предсказуемых аттракторов. 

Сходимость-расходимость (говорят также, складывание и вытягивание соответственно) хаотического аттрактора систематически устраняет начальную информацию и заменяет ее новой. При схождении траектории сближаются и начинает проявляться эффект близорукости - возрастает неопределенность крупномасштабной информации. При расхождении траекторий наоборот, они расходятся и проявляется эффект дальнозоркости, когда возрастает неопределенность мелкомасштабной информации. 

В результате постоянной сходимости-расходимости хаотичного аттрактора неопределенность стремительно нарастает, что с каждым моментом времени лишает нас возможности делать точные прогнозы. То, чем так гордится наука - способностью устанавливать связи между причинами и следствиями - в хаотических системах невозможно. Причинно-следственной связи между прошлым и будущем в хаосе нет. 

Здесь же необходимо отметить, что скорость схождения-расхождения является мерой хаоса, т.е. численным выражением того, насколько система хаотична. Другой статистической мерой хаоса служит размерность аттрактора. 

Таким образом, можно отметить, что основным свойством хаотических аттракторов является сходимость-расходимость траекторий разных систем, которые случайным образом постепенно и бесконечно перемешиваются 

Здесь проявляется пересечение фрактальной геометрии и теории хаоса. И, хотя одним из инструментов теории хаоса является фрактальная геометрия, фрактал - это противоположность хаоса. 

Главное различие между хаосом и фракталом заключается в том, что первый является динамическим явлением, а фрактал статическим. Под динамическим свойством хаоса понимается непостоянное и непериодическое изменение траекторий. 

ФРАКТАЛ

Фрактал - это геометрическая фигура, определенная часть которой повторяется снова и снова, отсюда проявляется одно из свойств фрактала - самоподобие. 

Другое свойство фрактала - дробность. Дробность фрактала является математическим отражением меры неправильности фрактала. 

Фактически все, что кажется случайным и неправильным может быть фракталом, например, облака, деревья, изгибы рек, биения сердца, популяции и миграции животных или языки пламени. 

Рисунок 6. Фрактал "ковер Серпинского"

Данный фрактал получается путем проведения ряда итераций. Итерация (от лат. iteratio - повторение) - повторное применение какой-либо математической операции. 

Рисунок 7. Построение ковра Серпинского

Хаотический аттрактор является фракталом. Почему? В странном аттракторе, также как и во фрактале по мере увеличения выявляется все больше деталей, т.е. срабатывает принцип самоподобия. Как бы мы не изменяли размер аттрактора, он всегда останется пропорционально одинаковым. 

В техническом анализе типичным примером фрактала являются волны Эллиота, где также работает принцип самоподобия. 

Первым наиболее известным и авторитетным ученым, исследовавшим фракталы, был Бенуа Мандельброт. В середине 60-х годов XX века разработал фрактальную геометрию или, как он ее еще назвал - геометрию природы. Об этом Мандельброт написал свой известный труд "Фрактальная геометрия природы" (The Fractal Geometry of Nature). Многие называют Мандельброта отцом фракталов, т.к. он первым начал использовать его применительно к анализу нечетких, неправильных форм. 

Дополнительная идея, заложенная во фрактальности, заключается в нецелых измерениях. Мы обычно говорим об одномерном, двумерном, трехмерном и т.д. целочисленном мире. Однако могут существовать и нецелые измерения, например, 2.72. Такие измерения Мандельброт называет фрактальными измерениями. 

Логика существования нецелых измерений очень простая. Так, в природе вряд ли найдется идеальный шар или куб, следовательно, 3-мерное измерение этого реального шара или куба невозможно и для описания таких объектов должны существовать другие измерения. 

Вот для измерения таких неправильных, фрактальных фигур и было введено понятие фрактальное измерение. Скомкайте, например, лист бумаги в комок. С точки зрения классической евклидовой геометрии новообразованный объект будет являться трехмерным шаром. Однако в действительности это по-прежнему всего лишь двумерный лист бумаги, пусть и скомканный в подобие шара. Отсюда можно предположить, что новый объект будет иметь измерение больше 2-х, но меньше 3-х. Это плохо укладывается в евклидовую геометрию, но хорошо может быть описано с помощью фрактальной геометрии, которая будет утверждать, что новый объект будет находиться во фрактальном измерении, приблизительно равном 2.5, т.е. иметь фрактальную размерность около 2.5. 

Детерминистские фракталы

Различают детерминистские фракталы, примером которых является ковер Серпинского, и сложные фракталы. При построении первых не нужны формулы или уравнения. Достаточно взять лист бумаги и провести несколько итераций над какой-нибудь фигурой. Сложным фракталам присуща бесконечная сложность, хотя и генерируются простой формулой. 
Классическим примером сложного фрактала является множество
Мандельброта, получаемое из простой формулы Zn+1=Zna+C, где Z и C - комплексные числа и а - положительное число. На рисунке 8 мы видим фрактал 2-й степени, где а = 2. 

Рисунок 8. Множество Мандельброта

К хаосу системы могут переходить разными путями. Среди последних выделяют бифуркации, которые изучает теория бифуркаций. 

Бифуркация (от лат. bifurcus - раздвоенный) представляет собой процесс качественного перехода от состояния равновесия к хаосу через последовательное очень малое изменение (например, удвоение Фейгенбаума при бифуркации удвоения) периодических точек. 

Обязательно необходимо отметить, что происходит качественное изменение свойств системы, т.н. катастрофический скачок. Момент скачка (раздвоения при бифуркации удвоения) происходит в точке бифуркации. 

Хаос может возникнуть через бифуркацию, что показал Митчел Фейгенбаум (Feigenbaum). При создании собственной теории о фракталах Фейгенбаум, в основном, анализировал логистическое уравнение Xn+1=CXn - С(Хn)2, где С - внешний параметр, откуда вывел, что при некоторых ограничениях во всех подобных уравнениях происходит переход от равновесного состояния к хаосу. 

Ниже рассмотрен классический биологический пример этого уравнения. 

Например, изолированно живет популяция особей нормированной численностью Xn. Через год появляется потомство численностью Xn+1. Рост популяции описывается первым членом правой части уравнения (СХn), где коэффициент С определяет скорость роста и является определяющим параметром. Убыль животных (за счет перенаселенности, недостатка пищи и т.п.) определяется вторым, нелинейным членом (С(Хn)2). 

Результатом расчетов являются следующие выводы:

  • при С < 1 популяция с ростом n вымирает;
  • в области 1 < С < 3 численность популяции приближается к постоянному значению Х0 = 1 - 1/С, что является областью стационарных, фиксированных решений. При значении C = 3 точка бифуркации становится отталкивающей фиксированной точкой. С этого момента функция уже никогда не сходится к одной точке. До этого точка былапритягивающая фиксированная;
  • в диапазоне 3 < С < 3.57 начинают появляться бифуркации и разветвление каждой кривой на две. Здесь функция (численность популяции) колеблется между двумя значениями, лежащими на этих ветвях. Сначала популяция резко возрастает, на следующий год возникает перенаселенность и через год численность снова уменьшается;
  • при C > 3.57 происходит перекрывание областей различных решений (они как бы закрашиваются) и поведение системы становится хаотическим.
Отсюда вывод - заключительным состоянием эволюционирующих физических систем является состояние динамического хаоса. 

Зависимость численности популяции от параметра С приведена на следующем рисунке. 

Рисунок 9. Переход к хаосу через бифуркации, начальная стадия уравнения Xn+1=CXn - С(Хn)2

Динамические переменные Xn принимают значения, которые сильно зависят от начальных условий. При проведенных на компьютере расчетах даже для очень близких начальных значений С итоговые значения могут резко отличаться. Более того, расчеты становятся некорректными, так как начинают зависеть от случайных процессов в самом компьютере (скачки напряжения и т.п.). 

Таким образом, состояние системы в момент бифуркации является крайне неустойчивым и бесконечно малое воздействие может привести к выбору дальнейшего пути движения, а это, как мы уже знаем, является главным признаком хаотической системы (существенная зависимость от начальных условий). 

Фейгенбаум установил универсальные закономерности перехода к динамическому хаосу при удвоении периода, которые были экспериментально подтверждены для широкого класса механических, гидродинамических, химических и других систем. Результатом исследований Фейгенбаум стало т.н. "дерево Фейгенбаума". 

Рисунок 10. Дерево Фейгенбаума (расчет на основе немного измененной логистической формулы)

Что же такое бифуркации в обыденности, по простому. Как мы знаем из определения, бифуркации возникают при переходе системы от состояния видимой стабильности и равновесия к хаосу. 

Примерами таких переходов являются дым, вода и многие другие самые обычные природные явления. Так, поднимающийся вверх дым сначала выглядит как упорядоченный столб. Однако через некоторое время он начинает претерпевать изменения, которые сначала кажутся упорядоченными, однако затем становятся хаотически непредсказуемыми. 

Фактически первый переход от стабильности к некоторой форме видимой упорядоченности, но уже изменчивости, происходит в первой точке бифуркации. Далее количество бифуркаций увеличивается, достигая огромных величин. С каждой бифуркацией функция турбулентности дыма приближается к хаосу. 

С помощью теории бифуркаций можно предсказать характер движения, возникающего при переходе системы в качественно иное состояние, а также область существования системы и оценить ее устойчивость. 

К сожалению, само существование теории хаоса трудно совместимо с классической наукой. Обычно научные идеи проверяются на основании предсказаний и их сверки с реальными результатами. Однако, как мы уже знаем, хаос непредсказуем, когда изучаешь хаотическую систему, то можно прогнозировать только модель ее поведения. 

Поэтому с помощью хаоса не только нельзя построить точный прогноз, но и, соответственно, проверить его. Однако это не должно говорить о неверности теории хаоса, подтвержденной как в математических расчетах, так и в жизни. 

На сейчас еще не существует математически точного аппарата применения теории хаоса для исследования рыночных цен, поэтому спешить с применением знаний о хаосе нельзя. Вместе с тем, это действительно самое перспективное современное направление математики с точки зрения прикладных исследований финансовых рынков. 

www.forex.ua

как поймать бабочку Лоренца?. Литературная Газета 6439 ( № 46 2013)

Теория хаоса: как поймать бабочку Лоренца?

Андрей Николаевич Колмогоров

Прощайте, Ньютон и Эйнштейн!

Теория хаоса - это наука о сложных нелинейных динамических системах. Что такое сложные – вроде бы понятно. Динамические – это которые непостоянные и неповторяющиеся, то есть непериодические. А нелинейные – вздохните глубже – это рекурсивные системы.

Что такое рекурсия? Вот в фильме "12 друзей Оушена" Джулия Робертс сыграла героиню, которая по фильму в течение некоторого времени играла Джулию Робертс. Это упрощённый пример, потому что для того, чтобы понять рекурсию, надо сначала понять рекурсию (эта фраза рекурсивна!).

Теория хаоса окончательно добила классическую физику Ньютона и релятивистскую физику Эйнштейна, о которых мы рассказали выше. Возможно, Ньютон и Эйнштейн предчувствовали, что с их творениями так поступят, и поэтому большую часть жизни занимались изысканиями неведомой и поныне супертеории, которая упорядочила бы мировую науку раз и навсегда.

Вот как выразил сущность теории хаоса, которую можно назвать теорией нестабильности нобелевский лауреат Илья Пригожин, франко-американский учёный, семья которого в 1917 году эмигрировала из России.

«Если взять устойчивый маятник и раскачать его, то дальнейший ход событий можно предсказать однозначно: груз вернётся к состоянию с минимумом колебаний, т.е. к состоянию покоя. Если же груз находится в верхней точке, то в принципе невозможно предсказать, упадёт он вправо или влево. Направление падения здесь существенным образом зависит от флюктуации. Так что в одном случае ситуация в принципе предсказуема, а в другом – нет, и именно в этом пункте в полный рост встаёт проблема детерминизма. При малых колебаниях маятник – детерминистический объект, и мы в точности знаем, что должно произойти. Напротив, проблемы, связанные с маятником, если можно так выразиться, перевёрнутым с ног на голову, содержат представления о недетерминистическом объекте.

Это различие между детерминистическими законами природы и законами, не являющимися таковыми, ведёт нас к более общим проблемам[?]»

Хаос – это вовсе не синоним беспорядка. Это такое состояние чего-либо, когда от малейшего вздоха или взмаха крылышек какой-нибудь козявки (к козявкам мы ещё вернёмся) меняется, ломается и рушится что-то огромное и величественное и далее пребывает в состоянии сложности, нелинейности и динамичности.

Вплоть до 1960-х годов многие учёные считали, что динамическая система, описываемая простыми уравнениями, должна вести себя относительно просто, хотя уже более столетия было известно, что это верно лишь в некоторых, весьма специальных случаях, таких как Солнечная система. Однако к 1980 году математики и естествоиспытатели обнаружили, что хаос вездесущ.

Пример хаотического поведения из повседневной жизни – движение жидкости в миксере. Это устройство подчиняется простым механическим законам: его нож-смеситель вращается с постоянной скоростью, и взаимодействие жидкости с ножом внутри миксера можно описать простыми детерминистическими уравнениями. Однако возникающее при этом движение жидкости весьма сложно. Её соседние области рассекаются ножом и разделяются, а отдалённые области могут сближаться. Короче говоря, жидкость перемешивается – для этого миксеры и предназначены.

Выражение «теория хаоса» используется преимущественно в популярной литературе. Специалисты же рассматривают эту дисциплину как раздел теории динамических систем.

Фракталы и аттракторы

Все рассказы о теории хаоса довольно хаотичны или по меньшей мере не слишком логичны. Отцом теории хаоса считается американский метеоролог Эдвард Лоренц. «Ещё мальчиком я любил проделывать разные штуки с цифрами, кроме того, меня завораживали погодные явления», – вспоминал Лоренц. Всё это помогло ему сделать важнейшее открытие. Он создал компьютерную модель земной атмосферы, которая показала, что небольшие изменения, происходящие в атмосфере или аналогичных ей моделях, могут приводить к обширным и неожиданным последствиям.

В 1972 году Лоренц опубликовал научную статью, заглавие которой стало нарицательным. Она называлась «О возможности предсказаний: может ли взмах крыльев бабочки в Бразилии вызвать торнадо в Техасе?». Эта формулировка иллюстрирует суть теории хаоса, которая сейчас играет важную роль едва ли не во многих областях современной науки.

«Показав, что сложные системы со множеством причинно-следственных связей имеют порог предсказуемости, Эд забил последний гвоздь в гроб вселенной Декарта и произвёл то, что многие называют третьей научной революцией XX века после теории относительности и квантовой физики», – сказал о Лоренце Керри Эмануэль, профессор метеорологии из Массачусетского технологического института.

Лоренц открыл и первый «странный аттрактор». Просто аттрактор – это область притяжения фазовых траекторий. То есть место, куда стягиваются «свободные частицы». Аттрактор для простого маятника – нижняя точка его траектории. Покачается и остановится. А странный аттрактор – это такая точка притяжения, из которой система попадает неведомо куда. И ещё потом долго, извините за выражение, «колбасится». Кстати, любая революция – типичный странный аттрактор.

На самом деле у теории хаоса было не меньше дюжины отцов. Одних из них признают за таковых, но отодвигают в тень распиаренного метеоролога с его бабочкой. А других[?] например, нобелевского лауреата Илью Пригожина вообще ранжируют по другой отрасли. Но, впрочем, обо всём по порядку.

Впервые проблемы хаотического движения стал исследовать Анри Пуанкаре, положивший начало ещё и теории катастроф, близкой родственницы теории хаоса. Его дело продолжил Жак Адамар, написавший статью под говорящим названием «Бильярд Адамара». В ней он описал хаотическое блуждание «свободных частиц», воспользовавшись методами русского математика Ляпунова, который также может считаться одним из отцов теории хаоса.

В самом начале теория хаоса была эргодической. Эргодический подход очень наглядно описал ещё один родоначальник и творец теории хаоса великий математик Владимир Арнольд: если вы хотите понять, как высоко вырастет маленькая ёлка, которую вы увидели в лесу, то не обязательно сидеть и ждать двадцать лет. Достаточно посмотреть на соседние взрослые ели. Вот и первые исследователи хаоса, не в силах уследить за суетливыми «свободными частицами», наблюдали поведение в целом всей нелинейной системы.

После Второй мировой войны к изучению хаоса подключились ведущие математики мира, первым среди которых стоит гениальный советский математик академик Андрей Колмогоров, один из величайших учёных прошлого века.

Колмогоров моделировал динамику превращения ламинарного течения жидкости в турбулентное, то есть вихревое. Это было необходимо для аэродинамических экспериментов. Учёный создал математическую модель динамики вихрей, рассматривая их во всё меньшем и меньшем масштабе, до тех пор пока вихри не стали совсем крошечными, когда вязкость жидкости уже на них не влияла. Колмогоров предположил, что вся жидкость состоит из одинаковых маленьких вихревых потоков, то есть однородна. Такая модель дала некоторое продвижение в исследованиях, но в дальнейшем пришлось принять модель Пуанкаре, который, наблюдая течение бурной речки, установил, что вихри не вездесущи, а основная часть потока спокойна. Таким образом, модель однородной жидкости сменилась моделью прерывистости. Следующим шагом была теория советского физика Льва Ландау. Модель Ландау – это нагромождение конкурирующих между собой вихрей. Огромный вклад в науку внесла знаменитая теория КАМ (Колмогорова, Арнольда и Мозера), названная так в честь её создателей Андрея Колмогорова, Владимира Арнольда и Юргена Мозера. Эта теория затрагивала вопросы устойчивости динамических систем, одной из которых, как известно, является Солнечная система.

Тем не менее работа над этой тематикой продвигалась не очень легко, вплоть до появления первых компьютеров.

Именно компьютерное моделирование помогло Лоренцу увидеть тот самый эффект бабочки. А талантливый вундеркинд Бенуа Мандельбро открыл с помощью компьютера совершенно необычные объекты – фракталы. Самый простой фрактал – береговая линия на карте. Сколько ни меняй масштаб карты, линия берега всегда будет изрезанной и витиеватой, то есть фрактальной. Снежинки – тоже фракталы. Если обобщить, то фракталом называется объект, изображения которого постоянны в любых масштабах.

Мандельбро написал книгу «Фрактальная геометрия природы», которая стала классическим описанием теории хаоса. Кто хочет посмотреть живьём на пресловутую рекурсию, может полюбоваться фотографиями фракталов Мандельбро. Фрактально устроены, кстати, кровеносная и бронхиальная системы людей и животных.

Во второй половине XX века теорию хаоса стали применять в самых различных областях – ею пытались объяснить различные процессы и явления: землетрясения, солнечные всплески, колебания в экономических системах, формирование ландшафта, лесные пожары, оползни, эпидемии, биологическую эволюцию и даже возникновение войн.

Илья Пригожин – философ нестабильности

Илья Романович Пригожин

Великий учёный прошлого века Илья Романович Пригожин получил Нобелевскую премию 1977 года по химии за работы по термодинамике необратимых процессов, особенно за теорию диссипативных структур.

Теорию диссипативных систем в России называют синергетикой, в Америке – теорией сложности, но в сущности это всё та же теория хаоса. Просто как во всякой молодой научной дисциплине, мы здесь имеем дело с ещё не сложившейся терминологией.

Заслуга Пригожина ещё и в том, что он проанализировал культурологическое значение новейших научных течений и связал их с эволюцией идеологий и взглядов величайших учёных прошлого:

«Для того чтобы понять идущие в современной науке процессы, необходимо принять во внимание, что наука – культурный феномен, складывающийся в определённом культурном контексте. Иллюстрацией этому может служить, например, дискуссия между Лейбницем и Кларком, представлявшим в их споре взгляды Ньютона. Лейбниц упрекает Ньютона в том, что его представление об универсуме предполагает периодическое вмешательство Бога в устройство мироздания ради улучшения функционирования последнего. Ньютон, по его мнению, недостаточно почитает Бога, поскольку искусность Верховного Творца у него оказывается ниже даже искусности часовщика, способного раз и навсегда сообщить своему механизму движение и заставить его работать без дополнительных переделок.

Лейбницевские представления об универсуме одержали победу над ньютонианскими. Лейбниц апеллировал к всеведению вездесущего Бога, которому вовсе нет никакой нужды специально обращать своё внимание на Землю. И он верил при этом, что наука когда-нибудь достигнет такого же всеведения, – учёный приблизится к знанию, равному божественному. Для божественного же знания нет различия между прошлым и будущим, ибо всё присутствует во всеведущем разуме. Время с этой точки зрения элиминируется неизбежно, и сам факт его исключения становится свидетельством того, что человек приблизился к квазибожественному знанию.

Высказанные Лейбницем утверждения принадлежат к базовому уровню идеологии классической науки, сделавшей именно устойчивый маятник объектом научного интереса, – неустойчивый маятник в контексте этой идеологии предстаёт как неестественное образование, упоминаемое только в качестве любопытного курьёза (а по возможности вообще исключаемое из научного рассмотрения). Но изложенная концепция вечности грешила тем, что в ней не оставалось места для уникальных событий (впрочем, и в ньютоновском подходе не было места для новаций). Материя, согласно этой концепции, представляет собой вечно движущуюся массу, лишённую каких бы то ни было событий и, естественно, истории. История же, таким образом, оказывается вне материи. Так исключение нестабильности, обращение к детерминизму и отрицание времени породили два противоположных способа видения универсума:

– универсум как внешний мир, являющийся в конечном счёте регулируемым автоматом (именно так и представлял его себе Лейбниц), находящимся в бесконечном движении;

– универсум как внутренний мир человека, настолько отличающийся от внешнего, что это позволило Бергсону сказать о нём: «Я полагаю, что творческие импульсы сопровождают каждое мгновение нашей жизни».

Действительно, любые человеческие и социальные взаимодействия, а также вся литературная деятельность являются выражением неопределённости в отношении будущего. Но сегодня, когда физики пытаются конструктивно включить нестабильность в картину универсума, наблюдается сближение внутреннего и внешнего миров, что, возможно, является одним из важнейших культурных событий нашего времени».

Позвольте этой великолепной цитатой знаменитого учёного закончить наш краткий рассказ о величайших научных теориях, изменивших мир и мировоззрение человечества.

Поделитесь на страничке

Следующая глава >

public.wikireading.ru

Хаотический аттрактор. Хаос - Libtime

  1. Главная
  2. Моделирование
  3. Хаотический аттрактор. Хаос
libre 5348 Обычно говорят, что хаос является более высокой формой порядка, однако более правильно считать хаос другой формой порядка - с неизбежностью в любой динамической системе за порядком в обычном его понимании следует хаос, а за хаосом порядок. Если мы определим хаос как беспорядок, то в таком беспорядке мы обязательно сможем увидеть свою, особенную форму порядка. Например, дым от сигарет сначала поднимается в виде упорядоченного столба под влиянием внешней среды принимает все более причудливые очертания, а его движения становятся хаотичными. Еще один пример хаотичности в природе - лист с любого дерева. Можно утверждать, что вы найдете много похожих листов, например дуба, однако ни одной пары одинаковых писем. Разница определена температурой, ветром, влажностью и многими другими внешними факторами, кроме чисто внутренних причин (например, генетической разницей).

Теория хаоса

Движение от порядка к хаосу и обратно, по всей видимости, является сущностью Вселенной, способствующие проявлению ее мы не изучали. Даже в человеческом мозгу одновременно присутствует упорядоченное и хаотическое начала. Первое отвечает левому полушарию мозга, а второе - правому. Левое полушарие отвечает за сознательное поведение человека, за выработку линейных правил и стратегий в поведении человека, где четко определяется «если ..., то ...». В правом же полушарии царит нелинейность и хаотичность. Интуиция является одним из проявлений правого полушария мозга. Теория хаоса изучает порядок хаотической системы, которая выглядит случайной, беспорядочной. При этом теория хаоса помогает построить модель такой системы, не ставя задачу точного предсказания поведения хаотической системы в будущем.

История теории хаоса

Первые элементы теории хаоса появились еще в XIX веке, однако настоящий научное развитие эта теория получил во второй половине XX века, вместе с работами Эдварда Лоренца (Edward Lorenz) из Массачусетского технологического института и франко-американского математика Бенуа Б. Мандельброта (Benoit B . Mandelbrot). Эдвард Лоренц в свое время (начало 60-х годов XX века, работа опубликована в 1963 году) рассматривал, в чем возникает трудность при прогнозировании погоды. К работе Лоренца в мире науки господствовало два мнения относительно возможности точного прогнозирования погоды на бесконечно длительный срок. Первый подход сформулировал еще в 1776 году французский математик Пьер Симон Лаплас. Лаплас заявил, что «... если мы представим себе разум, который в данное мгновение постиг все связи между объектами во Вселенной, то он сможет установить соответствующее положение, движения и общие воздействия всех этих объектов в любое время в или прошлом в будущем ». Этот его подход был очень похож на известные слова Архимеда: «Дайте мне точку опоры, и я переверну весь мир». Таким образом, Лаплас и его сторонники говорили, что для точного прогнозирования погоды необходимо только собрать больше информации о всех частицы во Вселенной, их местоположении, скорости, массе, направлении движения, ускорении и т.п. Лаплас полагал, чем больше человек будет знать, тем точнее будет его прогноз относительно будущего. Второй подход к возможности прогнозирования погоды раньше всех наиболее четко сформулировал другой французский математик, Жюль Анри Пуанкаре. В 1903 году он сказал: «Если бы мы точно знали законы природы и положение Вселенной в начальный момент, мы могли бы точно предсказать положение того же Вселенной в последующий момент. Но даже если бы законы природы открыли нам все свои тайны, мы и тогда могли бы знать начальное положение только приближенно. Если бы это позволило нам предсказать последующее положение с тем же приближением, это было бы все, что нам нужно, и мы могли бы сказать, что явление было предсказано, что оно управляется законами. Но это не всегда так может случиться, что малые различия в начальных условиях вызывают очень большие различия в конечном явлении. Малая ошибка в первых породит огромную ошибку в последнем. Предсказание становится невозможным, и мы имеем дело с явлением, развивающийся по воле случая ». В этих словах Пуанкаре мы находим постулат теории хаоса о зависимости от начальных условий. Последующее развитие науки, особенно квантовой механики, опровергло детерминизм Лапласа. В 1927 году немецкий физик Вернер Гейзенберг открыл и сформулировал принцип неопределенности. Этот принцип объясняют, почему некоторые случайные явления не подчиняются лапласовому детерминизму. Гейзенберг показал принцип неопределенности на п

libtime.ru

Э. Н. Лоренц. Теория Хаоса

Большинство типов движения описывается простыми аттракторами, являющиеся ограниченными циклами. Хаотическое движение описывается странными аттракторами, которые очень сложны и имеют много параметров. Например, простая трехмерная система погоды описывается известным аттрактором Лоренца (Lorenz) - одной из самых известных диаграмм хаотических систем, не только потому, что она была одной из первых, но и потому, что она одна из самых сложных. Другим таким аттрактором является — отображение Рёслера (Rössler), которая имеет двойной период, подобно логистическому отображению. Странные аттракторы появляются в обеих системах, и в непрерывных динамических (типа системы Лоренца) и в некоторых дискретных (например отображения Хенона (Hénon)). Некоторые дискретные динамические системы названы системами Жулиа по происхождению. И странные аттракторы и системы Жулиа имеют типичную рекурсивную, фрактальную структуру. Теорема Пуанкаре–Бендиксона доказывает, что странный аттрактор может возникнуть в непрерывной динамической системе, только если она имеет три или больше измерений. Однако это ограничение не работает для дискретных динамических систем. Дискретные двух- и даже одномерные системы могут иметь странные аттракторы. Движение трёх или большего количества тел, испытывающих гравитационное притяжение при некоторых начальных условиях может оказаться хаотическим движением.

 

 

 

 

 

 

Простые хаотические  системы

Хаотическими могут быть и простые системы без дифференциальных уравнений. Примером может быть логистическое отображение, которое описывает изменение количества населения с течением времени. Логистическое отображение является полиномиальным отображением второй степени и часто приводится в качестве типичного примера того, как хаотическое поведение может возникать из очень простых нелинейных динамических уравнений. Ещё один пример — это модель Рикера, которая также описывает динамику населения.

Клеточный автомат — это набор клеток, образующих некоторую периодическую решетку с заданными правилами перехода. Клеточный автомат является дискретной динамической системой, поведение которой полностью определяется в терминах локальных зависимостей. Эволюция даже простых дискретных систем, таких как клеточные автоматы может сильно зависеть от начальных условий. Эта тема подробно рассмотрена в работах Стивена Вольфрама. Простую модель консервативного (обратимого) хаотического поведения демонстрирует так называемое отображение «кот Арнольда». В математике отображение «кот Арнольда» является моделью тора, которую он продемонстрировал в 1960 году с использованием образа кошки.

Показать хаос для соответствующих  значений параметра может даже одномерное отображение, но для дифференциального уравнения требуется три или больше измерений. Теорема Пуанкаре — Бендиксона утверждает, что двумерное дифференциальное уравнение имеет очень стабильное поведение. Zhang и Heidel доказали, что трехмерные квадратичные системы только с тремя или четырьмя переменными не могут демонстрировать хаотическое поведение. Причина в том, что решения таких систем являются асимптотическими по отношению к двумерным плоскостям, и поэтому представляют собой стабильные решения.

Математическая теория

Теорема Шарковского — это основа доказательства Ли и Йорке (Li and Yorke) (1975) о том, что одномерная система с регулярным тройным периодом цикла может отобразить регулярные циклы любой другой длины так же, как и полностью хаотических орбит. Математики изобрели много дополнительных способов описать хаотические системы количественными показателями. Сюда входят: рекурсивное измерение аттрактора, экспоненты Ляпунова, графики рекуррентного соотношения, отображение Пуанкаре, диаграммы удвоения и оператор сдвига.

 

 

 

Хронология

Фрактальный папоротник, созданный  благодаря игре хаоса. Природные  формы (папоротники, облака, горы и т. д.) могут быть воссозданы через систему повторяющихся функций

Первым исследователем хаоса  был Анри Пуанкаре. В 1880-х, при изучении поведения системы с тремя телами, взаимодействующими гравитационно, он заметил, что могут быть непериодические орбиты, которые постоянно и не удаляются и не приближаются к конкретной точке. В 1898 Жак Адамар издал влиятельную работу о хаотическом движении свободной частицы, скользящей без трения по поверхности постоянной отрицательной кривизны. В своей работе «бильярд Адамара» он доказал, что все траектории непостоянны и частицы в них отклоняются друг от друга с положительной экспонентой Ляпунова.

Почти вся более ранняя теория, под названием эргодическая теория, была разработана только математиками. Позже нелинейные дифференциальные уравнения изучали Г. Биргхоф, A. Колмогоров, M. Каретник, Й. Литлвуд и Стивен Смэйл. Кроме С. Смэйла, на изучение хаоса всех их вдохновила физика: поведение трёх тел в случае с Г. Биргхофом, турбуленция и астрономические исследования в случае с А. Колмогоровым, радиотехника в случае с М. Каретником и Й. Литлвудом. Хотя хаотическое планетарное движение не изучалось, экспериментаторы столкнулись с турбуленцией в жидкости и непериодическими колебаниями в радиосхемах, не имея достаточной теории чтобы это объяснить.

Несмотря на попытки понять хаос в первой половине двадцатого столетия, теория хаоса как таковая  начала формироваться только с середины столетия. Тогда для некоторых  учёных стало очевидно, что преобладающая  в то время линейная теория просто не может объяснить некоторые  наблюдаемые эксперименты подобно  логистическому отображению. Чтобы  заранее исключить неточности при  изучении — простые «помехи» в теории хаоса считали полноценной составляющей изучаемой системы. Основным катализатором для развития теории хаоса стала электронно-вычислительная машина. Большая часть математики в теории хаоса выполняет повторную итерацию простых математических формул, которые делать вручную непрактично. Электронно-вычислительные машины делали такие повторные вычисления достаточно быстро, тогда как рисунки и изображения позволяли визуализировать эти системы.

Одним из пионеров в теории хаоса был Эдвард Лоренц, интерес которого к хаосу появился случайно, когда он работал над предсказанием погоды в 1961 году. Погодное Моделирование Лоренц выполнял на простом цифровом компьютере McBee LGP-30. Когда он захотел увидеть всю последовательность данных, тогда, чтобы сэкономить время, он запустил моделирование с середины процесса. Хотя это можно было сделать введя данные с распечатки, которые он вычислил в прошлый раз.

К его удивлению погода, которую машина начала предсказывать, полностью отличалась от погоды, рассчитанной прежде. Лоренц обратился к компьютерной распечатке. Компьютер работал с  точностью до 6 цифр, но распечатка округлила  переменные до 3 цифр, например значение 0.506127 было напечатано как 0.506. Это несущественное отличие не должно было иметь фактически никакого эффекта. Однако Лоренц обнаружил, что малейшие изменения в первоначальных условиях вызывают большие изменения  в результате. Открытию дали имя  Лоренца и оно доказало, что Метеорология не может точно предсказать погоду на период более недели. Годом ранее, Бенуа Мандельброт нашёл повторяющиеся образцы в каждой группе данных о ценах на хлопок. Он изучал теорию информации и заключил, что Структура помех подобна набору Регента: в любом масштабе пропорция периодов с помехами к периодам без них была константа — значит ошибки неизбежны и должны быть запланированы. Мандельброт описал два явления: «эффект Ноя», который возникает, когда происходят внезапные прерывистые изменения, например, изменение цен после плохих новостей, и «эффект Иосифа» в котором значения постоянны некоторое время, но все же внезапно изменяются впоследствии. В 1967 он издал работу «Какой длины побережье Великобритании? Статистические данные подобностей и различий в измерениях» доказывая, что данные о длине береговой линии изменяются в зависимости от масштаба измерительного прибора. Он утверждал, что клубок бечевки кажется точкой, если его рассматривать издалека (0-мерное пространство), он же будет клубком или шаром, если его рассматривать достаточно близко (3-мерное пространство) или может выглядеть замкнутой кривой линией сверху (1-мерное пространство). Он доказал, что данные измерения объекта всегда относительны и зависят от точки наблюдения.

Объект, изображения которого являются постоянными в различных масштабах («самоподобие») является фракталом (например кривая Коха или «снежинка»). В 1975 году Мандельброт опубликовал работу «Фрактальная геометрия природы», которая стала классической теорией хаоса. Некоторые биологические системы, такие как система кровообращения и бронхиальная система, подходят под описание фрактальной модели.

Турбулентные потоки воздуха  от крыла самолета, образующиеся во время его посадки. Изучение критической  точки, после которой система  создает турбулентность, были важны  для развития теории Хаоса. Например, советский физик Лев Ландау разработал Ландау-Хопф теорию турбулентности. Позже, Дэвид Руелл и Флорис Тейкнс предсказали, вопреки Ландау, что турбулентность в жидкости могла развиться через странный аттрактор, то есть основную концепцию теории хаоса

Явления хаоса наблюдали  многие экспериментаторы ещё до того, как его начали исследовать. Например, в 1927 году Ван дер Поль, а в 1958 году П. Ивес. 27 ноября 1961 Й. Уэда, будучи аспирантом в лаборатории Киотского университета, заметил некую закономерность и назвал её «случайные явления превращений», когда экспериментировал с аналоговыми вычислительными машинами. Тем не менее его руководитель не согласился тогда с его выводами и не позволил ему представить свои выводы общественности до 1970 года. В декабре 1977 Нью-Йоркская академия наук организовала первый симпозиум о теории хаоса, который посетили Дэвид Руелл, Роберт Мей, Джеймс А. Иорк, Роберт Шоу, Й. Даян Фермер, Норман Пакард и метеоролог Эдвард Лоренц. В следующем году, Митчелл Феидженбом издал статью «Количественная универсальность для нелинейных преобразований», где он описал логистические отображения. М. Феидженбом применил рекурсивнуюгеометрию к изучению естественных форм, таких как береговые линии. Особенность его работы в том, что он установил универсальность в хаосе и применял теорию хаоса ко многим явлениям. В 1979 Альберт Дж. Либчейбр на симпозиуме в Осине, представил свои экспериментальные наблюдения каскада раздвоения, который ведет к хаосу. Его наградили премией Вольфа в физике вместе с Митчеллом Дж. Фейгенбаумом в 1986 «за блестящую экспериментальную демонстрацию переходов к хаосу в динамических системах». Тогда же в 1986 Нью-Йоркская Академия Наук вместе с национальным Институтом Мозга и центром Военно-морских исследований организовали первую важную конференцию по хаосу в биологии и медицине. Там Бернардо Уберман продемонстрировал математическую модель глаза и нарушений его подвижности среди шизофреников. Это привело к широкому применению теории хаоса в физиологии в 1980-х, например в изучении патологии сердечных циклов. В 1987 Пер Бак, Чао Тан и Курт Висенфелд напечатали статью в газете, где впервые описали систему самодостаточности (СС), которая является одним из природных механизмов. Многие исследования тогда были сконцентрированы вокруг крупномасштабных естественных или социальных систем. CC стала сильным претендентом на объяснение множества естественных явлений, включая землетрясения, солнечные всплески, колебания в экономических системах, формирование ландшафта, лесные пожары, оползни, эпидемии и биологическую эволюцию. Учитывая нестабильное и безмасштабное распределение случаев возникновения, странно, что некоторые исследователи предложили рассмотреть как пример CC возникновение войн. Эти «прикладные» исследования включали в себя две попытки моделирования: разработка новых моделей и приспособление существующих к данной естественной системе.

В тот же самый год Джеймс Глеик издал работу «Хаос: создание новой науки», которая стала бестселлером и представила широкой публике общие принципы теории хаоса и её хронологию. Теория хаоса прогрессивно развивалась как межпредметная и университетская дисциплина, главным образом под названием «анализ нелинейных систем». Опираясь на концепцию Томаса Куна о парадигме сдвига, много «учёных-хаотиков» (так они сами назвали себя) утверждали, что эта новая теория и есть пример сдвига.

Доступность более дешевых, более мощных компьютеров расширяет  возможности применения теории хаоса. В настоящее время, теория хаоса продолжает быть очень активной областью исследований, вовлекая много разных дисциплин (математика, топология, физика, биология, метеорология, астрофизика, теория информации, и т.д.).

 

Применение.

Теория хаоса применяется  во многих научных дисциплинах: математика, биология, информатика, экономика, инженерия, финансы, философия, физика, политика, психология и робототехника. В лаборатории хаотическое поведение можно наблюдать в разных системах, например электрические схемы, лазеры, химические реакции, динамика жидкостей и магнитно-механических устройств. В природе хаотическое поведение наблюдается в движении спутников солнечной системы, эволюции магнитного поля астрономических тел, приросте населения в экологии, динамике потенциалов в нейронах и молекулярных колебаниях. Есть сомнения о существовании динамики хаоса в тектонике плит и в экономике.

Одно из самых успешных применений теории хаоса было в экологии, когда динамические системы похожие  на модель Рикера использовались, чтобы показать зависимость прироста населения от его плотности. В настоящее время теория хаоса также применяется в медицине при изучении эпилепсии для предсказаний приступов, учитывая первоначальное состояние организма. Похожая область физики, названная квантовой теорией хаоса, исследует связь между хаосом и квантовой механикой. Недавно появилась новая область, названная хаосом относительности, чтобы описать системы, которые развиваются по законам общей теории относительности.

Различия между случайными и хаотическими данными. Только по исходным данным трудно сказать, каким является наблюдаемый процесс — случайным или хаотическим, потому что практически не существует явного чистого 'сигнала' отличия. Всегда будут некоторые помехи, даже если их округлять или не учитывать. Это значит, что любая система, даже если она детерминированная, будет содержать немного случайностей. Чтобы отличить детерминированный процесс от стохастического, нужно знать, что детерминированная система всегда развивается по одному и тому же пути от данной отправной точки. Таким образом, чтобы проверить процесс на детерминизм необходимо:

stud24.ru

Теория хаоса — Википедия. Что такое Теория хаоса

Бифуркационная диаграмма для логистического отображения x → rx(1 — x). Каждый вертикальный сектор показывает аттрактор при соответствующем значении r. На диаграмме видно серию удвоениий периода при увеличении r. После некоторого значения r аттрактор становится хаотическим.

Тео́рия ха́оса — математический аппарат, описывающий поведение некоторых нелинейных динамических систем, подверженных при определённых условиях явлению, известному как хаос (динамический хаос, детерминированный хаос). Поведение такой системы кажется случайным, даже если модель, описывающая систему, является детерминированной. Для акцентирования особого характера изучаемого в рамках этой теории явления обычно принято использовать название теория динамического хаоса.

Примерами подобных систем являются атмосфера, турбулентные потоки, некоторые виды аритмий сердца, биологические популяции, общество как система коммуникаций и его подсистемы: экономические, политические, психологические (культурно-исторические и интер-культуральные) и другие социальные системы. Их изучение, наряду с аналитическим исследованием имеющихся рекуррентных соотношений, обычно сопровождается математическим моделированием.

Теория хаоса — область исследований, связывающая математику и физику.

Основные сведения

Теория хаоса гласит, что сложные системы чрезвычайно зависимы от первоначальных условий, и небольшие изменения в окружающей среде могут привести к непредсказуемым последствиям.

Математические системы с хаотическим поведением являются детерминированными, то есть подчиняются некоторому строгому закону, и, в некотором смысле, являются упорядоченными. Такое использование слова «хаос» отличается от его обычного значения (см. хаос в мифологии). Отдельная область физики — теория квантового хаоса — изучает недетерминированные системы, подчиняющиеся законам квантовой механики.

Пионерами теории считаются французский физик и философ Анри Пуанкаре (доказал теорему о возвращении), советские математики А. Н. Колмогоров и В. И. Арнольд и немецкий математик Ю. К. Мозер, построившие теорию хаоса, называемую КАМ (теория Колмогорова — Арнольда — Мозера). Теория вводит понятие аттракторов (в том числе, странных аттракторов как притягивающих канторовых структур), устойчивых орбит системы (т. н. КАМ-торов).

Понятие хаоса

Пример чувствительности системы к первоначальным условиям, где x → 4x(1 — x) и y → x + y, если x + y x + y — 1). Здесь чётко видно, что ряды значений x и y через какое-то время заметно отклоняются друг от друга, хотя в первоначальных состояниях отличия микроскопические

В бытовом контексте слово «хаос» означает «быть в состоянии беспорядка». В теории хаоса прилагательное хаотический определено более точно. Хотя общепринятого универсального математического определения хаоса нет, обычно используемое определение говорит, что динамическая система, которая классифицируется как хаотическая, должна иметь следующие свойства:

  1. Она должна быть чувствительна к начальным условиям.
  2. Она должна иметь свойство топологического смешивания.
  3. Её периодические орбиты должны быть всюду плотными.

Более точные математические условия возникновения хаоса выглядят так:

Система должна иметь нелинейные характеристики, быть глобально устойчивой, но иметь хотя бы одну неустойчивую точку равновесия колебательного типа, при этом размерность[какая?] системы должна быть не менее 1,5.

Линейные системы никогда не бывают хаотическими. Для того, чтобы динамическая система была хаотической, она должна быть нелинейной. По теореме Пуанкаре — Бендиксона, непрерывная динамическая система на плоскости не может быть хаотической. Среди непрерывных систем хаотическое поведение имеют только неплоские пространственные системы (обязательно наличие не менее трёх измерений или неевклидова геометрия). Однако дискретная динамическая система на какой-то стадии может проявить хаотическое поведение даже в одномерном или двумерном пространстве.

Чувствительность к начальным условиям

Чувствительность к начальным условиям в такой системе означает, что все точки, первоначально близкие между собой, в будущем имеют значительно отличающиеся траектории. См. Устойчивость динамических систем.

Таким образом, произвольно небольшое изменение текущей траектории может привести к значительному изменению в её будущем поведении. Доказано, что последние два свойства фактически подразумевают чувствительность к первоначальным условиям (альтернативное, более слабое определение хаоса использует только первые два свойства из вышеупомянутого списка).

Чувствительность к начальным условиям более известна как «эффект бабочки». Термин возник в связи со статьёй «Предсказание: Взмах крыльев бабочки в Бразилии вызовет торнадо в штате Техас», которую Эдвард Лоренц в 1972 году вручил американской «Ассоциации для продвижения науки» в Вашингтоне. Взмах крыльев бабочки символизирует мелкие изменения в первоначальном состоянии системы, которые вызывают цепочку событий, ведущих к крупномасштабным изменениям. Если бы бабочка не хлопала крыльями, то траектория системы была бы совсем другой, что в принципе доказывает определённую линейность системы[прояснить]. Но мелкие изменения в первоначальном состоянии системы могут и не вызывать цепочку событий.

Топологическое смешивание

Топологическое смешивание в динамике хаоса означает такую схему расширения системы, что одна её область в какой-то стадии расширения накладывается на любую другую область. Математическое понятие «смешивание» как пример хаотической системы соответствует смешиванию разноцветных красок или жидкостей.

Тонкости определения

Пример топологического смешивания, где x → 4x(1 — x) и y → x + y, если x + y x + y — 1). Здесь синий регион в процессе развития был преобразован сначала в фиолетовый, потом в розовый и красный регионы и в конечном итоге выглядит как облако точек, разбросанных поперёк пространства

В популярных работах чувствительность к первоначальным условиям часто путается с самим хаосом. Грань очень тонкая, поскольку зависит от выбора показателей измерения и определения расстояний в конкретной стадии системы. Например, рассмотрим простую динамическую систему, которая неоднократно удваивает первоначальные значения. Такая система имеет чувствительную зависимость от первоначальных условий везде, так как любые две соседние точки в первоначальной стадии впоследствии будут на значительном расстоянии друг от друга. Однако её поведение тривиально, поскольку все точки кроме нуля имеют тенденцию к бесконечности, и это не топологическое смешивание. В определении хаоса внимание обычно ограничивается только закрытыми системами, в которых расширение и чувствительность к первоначальным условиям объединяются со смешиванием.

Даже для закрытых систем чувствительность к первоначальным условиям не идентична с хаосом в смысле изложенном выше. Например, рассмотрим тор, заданный парой углов (xy) со значениями от 0 до 2π. Отображение любой точки (xy) определяется как (2xy + a), где значение a/2π является иррациональным. Удвоение первой координаты в отображении указывает на чувствительность к первоначальным условиям. Однако, из-за иррационального изменения во второй координате, нет никаких периодических орбит — следовательно отображение не является хаотическим согласно вышеупомянутому определению.

Аттракторы

Аттра́ктор (от англ. attract — привлекать, притягивать) — множество состояний (точнее — точек фазового пространства) динамической системы, к которому она стремится с течением времени. Наиболее простыми вариантами аттрактора являются притягивающая неподвижная точка (к примеру, в задаче о маятнике с трением) и периодическая траектория (пример — самовозбуждающиеся колебания в контуре с положительной обратной связью), однако бывают и значительно более сложные примеры.

Некоторые динамические системы являются хаотическими всегда, но в большинстве случаев хаотическое поведение наблюдается только в тех случаях, когда параметры динамической системы принадлежат к некоторому специальному подпространству.

Наиболее интересны случаи хаотического поведения, когда большой набор первоначальных условий приводит к изменению на орбитах аттрактора. Простой способ продемонстрировать хаотический аттрактор — это начать с точки в районе притяжения аттрактора и затем составить график его последующей орбиты. Из-за состояния топологической транзитивности это похоже на отображения картины полного конечного аттрактора.

Например, в системе описывающей маятник пространство двумерное и состоит из данных о положении и скорости. Можно составить график положений маятника и его скорости. Положение маятника в покое будет точкой, а один период колебаний будет выглядеть на графике как простая замкнутая кривая. График в форме замкнутой кривой называют орбитой. Маятник имеет бесконечное количество таких орбит, формируя по виду совокупность вложенных эллипсов.

Странные аттракторы

Аттрактор Лоренца как диаграмма хаотической системы. Эти два графика демонстрируют чувствительную зависимость от первоначальных условий в пределах занятого аттрактором региона

Большинство типов движения описывается простыми аттракторами, являющимися ограниченными циклами. Хаотическое движение описывается странными аттракторами, которые очень сложны и имеют много параметров. Например, простая трёхмерная система погоды описывается известным аттрактором Лоренца — одной из самых известных диаграмм хаотических систем, не только потому, что она была одной из первых, но и потому, что она одна из самых сложных. Другим таким аттрактором является аттрактор Рёсслера, которая имеет двойной период, подобно логистическому отображению.

Странные аттракторы появляются в обеих системах, и в непрерывных динамических (типа системы Лоренца) и в некоторых дискретных (например, отображение Эно). Некоторые дискретные динамические системы названы системами Жулиа по происхождению. И странные аттракторы, и системы Жулиа имеют типичную рекурсивную, фрактальную структуру.

Теорема Пуанкаре — Бендиксона доказывает, что странный аттрактор может возникнуть в непрерывной динамической системе, только если она имеет три или больше измерений. Однако это ограничение не работает для дискретных динамических систем. Дискретные двух- и даже одномерные системы могут иметь странные аттракторы. Движение трёх или большего количества тел, испытывающих гравитационное притяжение при некоторых начальных условиях может оказаться хаотическим движением.

Простые хаотические системы

Хаотическими могут быть и простые системы без дифференциальных уравнений. Примером может быть логистическое отображение, которое описывает изменение количества населения с течением времени. Логистическое отображение является полиномиальным отображением второй степени и часто приводится в качестве типичного примера того, как хаотическое поведение может возникать из очень простых нелинейных динамических уравнений. Ещё один пример — это модель Рикера, которая также описывает динамику населения.

Клеточный автомат — это набор клеток, образующих некоторую периодическую решётку с заданными правилами перехода. Клеточный автомат является дискретной динамической системой, поведение которой полностью определяется в терминах локальных зависимостей. Эволюция даже простых дискретных систем, таких как клеточные автоматы, может сильно зависеть от начальных условий. Эта тема подробно рассмотрена в работах Стивена Вольфрама.

Простую модель консервативного (обратимого) хаотического поведения демонстрирует так называемое отображение «кот Арнольда». В математике отображение «кот Арнольда» является моделью тора, которую он продемонстрировал в 1960 году с использованием образа кошки.

Показать хаос для соответствующих значений параметра может даже одномерное отображение, но для дифференциального уравнения требуется три или больше измерений. Теорема Пуанкаре — Бендиксона утверждает, что двумерное дифференциальное уравнение имеет очень стабильное поведение. Трёхмерные квадратичные системы только с тремя или четырьмя переменными не могут демонстрировать хаотическое поведение[1][2]. Причина в том, что решения таких систем являются асимптотическими по отношению к двумерным плоскостям и поэтому представляют собой стабильные решения.

Цепь Чуа является одной из простейших электрических цепей, генерирующих хаотические колебания.

Математическая теория

Теорема Шарковского — это основа доказательства Ли и Йорке (Li and Yorke) (1975) о том, что одномерная система с регулярным тройным периодом цикла может отобразить регулярные циклы любой другой длины так же, как и полностью хаотических орбит. Математики изобрели много дополнительных способов описать хаотические системы количественными показателями. Сюда входят: рекурсивное измерение аттрактора, экспоненты Ляпунова, графики рекуррентного соотношения, отображение Пуанкаре, диаграммы удвоения и оператор сдвига.

Хронология

Фрактальный папоротник, созданный благодаря игре хаоса. Природные формы (папоротники, облака, горы и т. д.) могут быть воссозданы через систему повторяющихся функций

Первым исследователем хаоса был Анри Пуанкаре. В 1880-х годах, при изучении поведения системы с тремя телами, взаимодействующими гравитационно, он заметил, что могут существовать непериодические орбиты, которые постоянно и не удаляются, и не приближаются к конкретной точке. В 1898 году Жак Адамар издал влиятельную работу о хаотическом движении свободной частицы, скользящей без трения по поверхности постоянной отрицательной кривизны. В своей работе «бильярд Адамара» он доказал, что все траектории непостоянны и частицы в них отклоняются друг от друга с положительной экспонентой Ляпунова.

Почти вся более ранняя теория, под названием эргодическая теория, была разработана только математиками. Позже нелинейные дифференциальные уравнения изучали Биргхоф, A. Колмогоров, M. Каретник, Дж. Литлвуд и Стивен Смэйл. Кроме Смэйла, на изучение хаоса всех их вдохновила физика: поведение трёх тел в случае с Биргхофом, турбулентность и астрономические исследования в случае с Колмогоровым, радиотехника в случае с Каретником и Литлвудом. Хотя хаотическое планетарное движение не изучалось, экспериментаторы столкнулись с турбулентностью течения жидкости и непериодическими колебаниями в радиосхемах, не имея достаточной теории, чтобы это объяснить.

Несмотря на попытки понять хаос в первой половине 20 века, теория хаоса как таковая начала формироваться только с середины столетия. Тогда для некоторых учёных стало очевидно, что преобладающая в то время линейная теория просто не может объяснить некоторые наблюдаемые эксперименты подобно логистическому отображению. Чтобы заранее исключить неточности при изучении, простые «помехи» в теории хаоса считали полноценной составляющей изучаемой системы.

Основным катализатором для развития теории хаоса стала электронно-вычислительная машина. Большая часть математики в теории хаоса выполняет повторную итерацию простых математических формул, которые делать вручную весьма трудоёмко. Электронно-вычислительные машины делали такие повторные вычисления достаточно быстро, тогда как рисунки и изображения позволяли визуализировать эти системы.

Одним из пионеров в теории хаоса был Эдвард Лоренц, интерес которого к хаосу появился случайно, когда он работал над предсказанием погоды в 1961 году. Погодное моделирование Лоренц выполнял на простом цифровом компьютере McBee LGP-30. Когда он захотел увидеть всю последовательность данных, то, чтобы сэкономить время, он запустил моделирование с середины процесса, введя данные с распечатки, которые он вычислил в прошлый раз. К его удивлению погода, которую машина начала предсказывать, полностью отличалась от погоды, рассчитанной прежде. Лоренц обратился к компьютерной распечатке. Компьютер работал с точностью до 6 цифр, но распечатка округлила переменные до 3 цифр, например значение 0,506127 было напечатано как 0,506. Это несущественное отличие не должно было иметь фактически никакого эффекта. Однако Лоренц обнаружил, что малейшие изменения в первоначальных условиях вызывают большие изменения в результате. Открытию дали имя Лоренца и оно доказало, что метеорология не может точно предсказать погоду на период более недели.

Годом ранее, Бенуа Мандельброт нашёл повторяющиеся образцы в каждой группе данных о ценах на хлопок. Он изучал теорию информации и заключил, что структура помех подобна набору Регента[неизвестный термин]: в любом масштабе пропорция периодов с помехами к периодам без них была постоянной — значит ошибки неизбежны и должны быть запланированы. Мандельброт описал два явления: «эффект Ноя», который возникает, когда происходят внезапные прерывистые изменения, например, изменение цен после плохих новостей, и «эффект Иосифа» в котором значения постоянны некоторое время, но всё же внезапно изменяются впоследствии. В 1967 году он издал работу «Какой длины побережье Великобритании? Статистические данные подобностей и различий в измерениях», доказывая, что данные о длине береговой линии изменяются в зависимости от масштаба измерительного прибора. Он утверждал, что клубок бечёвки кажется точкой, если его рассматривать издалека (0-мерное пространство), он же будет клубком или шаром, если его рассматривать достаточно близко (3-мерное пространство) или может выглядеть замкнутой кривой линией сверху (1-мерное пространство). Он доказал, что данные измерения объекта всегда относительны и зависят от точки наблюдения.

Объект, изображения которого являются постоянными в различных масштабах («самоподобие») является фракталом (например кривая Коха, или «снежинка»). В 1975 году Мандельброт опубликовал работу «Фрактальная геометрия природы», которая стала классической теорией хаоса. Некоторые биологические системы, такие как система кровообращения и бронхиальная система, подходят под описание фрактальной модели.

Турбулентные потоки воздуха от крыла самолета, образующиеся во время его посадки. Изучение критической точки, после которой система создает турбулентность, были важны для развития теории хаоса. Например, советский физик Лев Ландау разработал теорию турбулентности Ландау — Хопфа[en]. Позже Дэвид Руелл и Флорис Тейкнс предсказали, вопреки Ландау, что турбулентность в жидкости могла развиться через странный аттрактор, то есть основную концепцию теории хаоса

Явления хаоса наблюдали многие экспериментаторы ещё до того, как его начали исследовать. Например, в 1927 году Ван дер Поль, а в 1958 году П. Ивес. 27 ноября 1961 года Й. Уэда, будучи аспирантом в лаборатории Киотского университета, заметил некую закономерность и назвал её «случайные явления превращений», когда экспериментировал с аналоговыми вычислительными машинами. Тем не менее, его руководитель не согласился тогда с его выводами и не позволил ему представить свои выводы общественности до 1970 года.

В декабре 1977 года Нью-Йоркская академия наук организовала первый симпозиум о теории хаоса, который посетили Дэвид Руелл, Роберт Мей, Джеймс А. Иорк, Роберт Шоу, Й. Даян Фермер, Норман Пакард и метеоролог Эдвард Лоренц.

В следующем году Митчелл Фейгенбаум издал статью «Количественная универсальность для нелинейных преобразований», где он описал логистические отображения. М. Фейгенбаум применил рекурсивную геометрию к изучению естественных форм, таких как береговые линии. Особенность его работы в том, что он установил универсальность в хаосе и применял теорию хаоса ко многим явлениям.

В 1979 году Альберт Дж. Либчейбр на симпозиуме в Осине представил свои экспериментальные наблюдения каскада раздвоения, который ведёт к хаосу. Его наградили премией Вольфа в физике совместно с Митчеллом Дж. Фейгенбаумом в 1986 году «за блестящую экспериментальную демонстрацию переходов к хаосу в динамических системах».

Тогда же в 1986 году Нью-Йоркская Академия Наук вместе с национальным Институтом Мозга и центром Военно-морских исследований организовали первую важную конференцию по хаосу в биологии и медицине. Там Бернардо Уберман продемонстрировал математическую модель глаза и нарушений его подвижности среди шизофреников. Это привело к широкому применению теории хаоса в физиологии в 1980-х годах, например, в изучении патологии сердечных циклов.

В 1987 году Пер Бак, Чао Тан и Курт Висенфелд напечатали статью в газете, где впервые описали систему самодостаточности (СС), которая является одним из природных механизмов. Многие исследования тогда были сконцентрированы вокруг крупномасштабных естественных или социальных систем. CC стала сильным претендентом на объяснение множества естественных явлений, включая землетрясения, солнечные всплески, колебания в экономических системах, формирование ландшафта, лесные пожары, оползни, эпидемии и биологическую эволюцию.

Учитывая нестабильное и безмасштабное распределение случаев возникновения, не странно, что некоторые исследователи предложили рассмотреть как пример CC возникновение войн. Эти «прикладные» исследования включали в себя две попытки моделирования: разработка новых моделей и приспособление существующих к данной естественной системе.

В том же году Джеймс Глеик издал работу «Хаос: создание новой науки», которая стала бестселлером и представила широкой публике общие принципы теории хаоса и её хронологию. Теория хаоса прогрессивно развивалась как межпредметная и университетская дисциплина, главным образом под названием «анализ нелинейных систем». Опираясь на концепцию Томаса Куна о смене парадигм, много «учёных-хаотиков» (так они сами назвали себя) утверждали, что эта новая теория и есть пример сдвига.

Доступность более дешёвых, более мощных компьютеров расширяет возможности применения теории хаоса. В настоящее время теория хаоса продолжает быть очень активной областью исследований, вовлекая много разных дисциплин (математика, топология, физика, биология, метеорология, астрофизика, теория информации, и т. д.).

Применение

Теория хаоса применяется во многих научных дисциплинах: математика, биология, информатика, экономика, инженерия, финансы, философия, физика, политика, психология и робототехника.

В лаборатории хаотическое поведение можно наблюдать в разных системах, например, электрические схемы, лазеры, химические реакции, динамика жидкостей и магнитно-механических устройств. В природе хаотическое поведение наблюдается в движении спутников солнечной системы, эволюции магнитного поля астрономических тел, приросте населения в экологии, динамике потенциалов в нейронах и молекулярных колебаниях. Есть существенные основания полагать о существовании динамики хаоса в тектонике плит и в экономике.

Одно из самых успешных применений теории хаоса было в экологии, когда динамические системы, похожие на модель Рикера, использовались, чтобы показать зависимость прироста населения от его плотности.

В настоящее время теория хаоса также применяется в медицине при изучении эпилепсии для предсказаний приступов, учитывая первоначальное состояние организма.

Похожая область физики, названная квантовой теорией хаоса, исследует связь между хаосом и квантовой механикой. Недавно появилась новая область, названная хаосом относительности, чтобы описать системы, которые развиваются по законам общей теории относительности.

Различия между случайными и хаотическими данными

Только по исходным данным трудно сказать, каким является наблюдаемый процесс — случайным или хаотическим, потому что практически не существует явного чистого «сигнала» отличия. Всегда будут некоторые помехи, даже если их округлять или не учитывать. Это значит, что любая система, даже если она детерминированная, будет содержать немного случайностей.

Чтобы отличить детерминированный процесс от стохастического, нужно знать, что детерминированная система всегда развивается по одному и тому же пути от данной отправной точки. Таким образом, чтобы проверить процесс на детерминизм необходимо:

  1. Выбрать тестируемое состояние.
  2. Найти несколько подобных или почти подобных состояний.
  3. Сравнить их развитие во времени.

Погрешность определяется как различие между изменениями в тестируемом и подобном состояниях. Детерминированная система будет иметь очень маленькую погрешность (устойчивый, постоянный результат), или она будет увеличиваться по экспоненте со временем (хаос). Стохастическая система будет иметь беспорядочно распределённую погрешность.

По существу все методы определения детерминизма основываются на обнаружении состояний, самых близких к данному тестируемому (то есть, измерению корреляции, экспоненты Ляпунова, и т. д.). Чтобы определить состояние системы, обычно полагаются на пространственные методы определения стадии развития. Исследователь выбирает диапазон измерения и исследует развитие погрешности между двумя близлежащими состояниями. Если она выглядит случайной, тогда нужно увеличить диапазон, чтобы получить детерминированную погрешность. Кажется, что это сделать просто, но на деле это не так. Во-первых, сложность состоит в том, что, при увеличении диапазона измерения поиск близлежащего состояния требует намного большего количества времени для вычислений, чтобы найти подходящего претендента. Если диапазон измерения выбран слишком маленьким, то детерминированные данные могут выглядеть случайными, но если диапазон слишком большой, то этого не случится — метод будет работать.

Когда в нелинейную детерминированную систему вмешиваются внешние помехи, её траектория постоянно искажается. Более того, действия помех усиливаются из-за нелинейности, и система показывает полностью новые динамические свойства. Статистические испытания, пытающиеся отделить помехи от детерминированной основы или изолировать их, потерпели неудачу. При наличии взаимодействия между нелинейными детерминированными компонентами и помехами появляется динамика, которую традиционные испытания на нелинейность иногда не способны фиксировать.

Примечания

Литература

См. также

Ссылки

wiki.sc

Теория хаоса — Википедия

Бифуркационная диаграмма для логистического отображения x → rx(1 — x). Каждый вертикальный сектор показывает аттрактор при соответствующем значении r. На диаграмме видно серию удвоениий периода при увеличении r. После некоторого значения r аттрактор становится хаотическим.

Тео́рия ха́оса — математический аппарат, описывающий поведение некоторых нелинейных динамических систем, подверженных при определённых условиях явлению, известному как хаос (динамический хаос, детерминированный хаос). Поведение такой системы кажется случайным, даже если модель, описывающая систему, является детерминированной. Для акцентирования особого характера изучаемого в рамках этой теории явления обычно принято использовать название теория динамического хаоса.

Примерами подобных систем являются атмосфера, турбулентные потоки, некоторые виды аритмий сердца, биологические популяции, общество как система коммуникаций и его подсистемы: экономические, политические, психологические (культурно-исторические и интер-культуральные) и другие социальные системы. Их изучение, наряду с аналитическим исследованием имеющихся рекуррентных соотношений, обычно сопровождается математическим моделированием.

Теория хаоса — область исследований, связывающая математику и физику.

Основные сведения

Теория хаоса гласит, что сложные системы чрезвычайно зависимы от первоначальных условий, и небольшие изменения в окружающей среде могут привести к непредсказуемым последствиям.

Математические системы с хаотическим поведением являются детерминированными, то есть подчиняются некоторому строгому закону, и, в некотором смысле, являются упорядоченными. Такое использование слова «хаос» отличается от его обычного значения (см. хаос в мифологии). Отдельная область физики — теория квантового хаоса — изучает недетерминированные системы, подчиняющиеся законам квантовой механики.

Пионерами теории считаются французский физик и философ Анри Пуанкаре (доказал теорему о возвращении), советские математики А. Н. Колмогоров и В. И. Арнольд и немецкий математик Ю. К. Мозер, построившие теорию хаоса, называемую КАМ (теория Колмогорова — Арнольда — Мозера). Теория вводит понятие аттракторов (в том числе, странных аттракторов как притягивающих канторовых структур), устойчивых орбит системы (т. н. КАМ-торов).

Видео по теме

Понятие хаоса

Пример чувствительности системы к первоначальным условиям, где x → 4x(1 — x) и y → x + y, если x + y x + y — 1). Здесь чётко видно, что ряды значений x и y через какое-то время заметно отклоняются друг от друга, хотя в первоначальных состояниях отличия микроскопические

В бытовом контексте слово «хаос» означает «быть в состоянии беспорядка». В теории хаоса прилагательное хаотический определено более точно. Хотя общепринятого универсального математического определения хаоса нет, обычно используемое определение говорит, что динамическая система, которая классифицируется как хаотическая, должна иметь следующие свойства:

  1. Она должна быть чувствительна к начальным условиям.
  2. Она должна иметь свойство топологического смешивания.
  3. Её периодические орбиты должны быть всюду плотными.

Более точные математические условия возникновения хаоса выглядят так:

Система должна иметь нелинейные характеристики, быть глобально устойчивой, но иметь хотя бы одну неустойчивую точку равновесия колебательного типа, при этом размерность[какая?] системы должна быть не менее 1,5.

Линейные системы никогда не бывают хаотическими. Для того, чтобы динамическая система была хаотической, она должна быть нелинейной. По теореме Пуанкаре — Бендиксона, непрерывная динамическая система на плоскости не может быть хаотической. Среди непрерывных систем хаотическое поведение имеют только неплоские пространственные системы (обязательно наличие не менее трёх измерений или неевклидова геометрия). Однако дискретная динамическая система на какой-то стадии может проявить хаотическое поведение даже в одномерном или двумерном пространстве.

Чувствительность к начальным условиям

Чувствительность к начальным условиям в такой системе означает, что все точки, первоначально близкие между собой, в будущем имеют значительно отличающиеся траектории. См. Устойчивость динамических систем.

Таким образом, произвольно небольшое изменение текущей траектории может привести к значительному изменению в её будущем поведении. Доказано, что последние два свойства фактически подразумевают чувствительность к первоначальным условиям (альтернативное, более слабое определение хаоса использует только первые два свойства из вышеупомянутого списка).

Чувствительность к начальным условиям более известна как «эффект бабочки». Термин возник в связи со статьёй «Предсказание: Взмах крыльев бабочки в Бразилии вызовет торнадо в штате Техас», которую Эдвард Лоренц в 1972 году вручил американской «Ассоциации для продвижения науки» в Вашингтоне. Взмах крыльев бабочки символизирует мелкие изменения в первоначальном состоянии системы, которые вызывают цепочку событий, ведущих к крупномасштабным изменениям. Если бы бабочка не хлопала крыльями, то траектория системы была бы совсем другой, что в принципе доказывает определённую линейность системы[прояснить]. Но мелкие изменения в первоначальном состоянии системы могут и не вызывать цепочку событий.

Топологическое смешивание

Топологическое смешивание в динамике хаоса означает такую схему расширения системы, что одна её область в какой-то стадии расширения накладывается на любую другую область. Математическое понятие «смешивание» как пример хаотической системы соответствует смешиванию разноцветных красок или жидкостей.

Тонкости определения

Пример топологического смешивания, где x → 4x(1 — x) и y → x + y, если x + y x + y — 1). Здесь синий регион в процессе развития был преобразован сначала в фиолетовый, потом в розовый и красный регионы и в конечном итоге выглядит как облако точек, разбросанных поперёк пространства

В популярных работах чувствительность к первоначальным условиям часто путается с самим хаосом. Грань очень тонкая, поскольку зависит от выбора показателей измерения и определения расстояний в конкретной стадии системы. Например, рассмотрим простую динамическую систему, которая неоднократно удваивает первоначальные значения. Такая система имеет чувствительную зависимость от первоначальных условий везде, так как любые две соседние точки в первоначальной стадии впоследствии будут на значительном расстоянии друг от друга. Однако её поведение тривиально, поскольку все точки кроме нуля имеют тенденцию к бесконечности, и это не топологическое смешивание. В определении хаоса внимание обычно ограничивается только закрытыми системами, в которых расширение и чувствительность к первоначальным условиям объединяются со смешиванием.

Даже для закрытых систем чувствительность к первоначальным условиям не идентична с хаосом в смысле изложенном выше. Например, рассмотрим тор, заданный парой углов (xy) со значениями от 0 до 2π. Отображение любой точки (xy) определяется как (2xy + a), где значение a/2π является иррациональным. Удвоение первой координаты в отображении указывает на чувствительность к первоначальным условиям. Однако, из-за иррационального изменения во второй координате, нет никаких периодических орбит — следовательно отображение не является хаотическим согласно вышеупомянутому определению.

Аттракторы

Аттра́ктор (от англ. attract — привлекать, притягивать) — множество состояний (точнее — точек фазового пространства) динамической системы, к которому она стремится с течением времени. Наиболее простыми вариантами аттрактора являются притягивающая неподвижная точка (к примеру, в задаче о маятнике с трением) и периодическая траектория (пример — самовозбуждающиеся колебания в контуре с положительной обратной связью), однако бывают и значительно более сложные примеры.

Некоторые динамические системы являются хаотическими всегда, но в большинстве случаев хаотическое поведение наблюдается только в тех случаях, когда параметры динамической системы принадлежат к некоторому специальному подпространству.

Наиболее интересны случаи хаотического поведения, когда большой набор первоначальных условий приводит к изменению на орбитах аттрактора. Простой способ продемонстрировать хаотический аттрактор — это начать с точки в районе притяжения аттрактора и затем составить график его последующей орбиты. Из-за состояния топологической транзитивности это похоже на отображения картины полного конечного аттрактора.

Например, в системе описывающей маятник пространство двумерное и состоит из данных о положении и скорости. Можно составить график положений маятника и его скорости. Положение маятника в покое будет точкой, а один период колебаний будет выглядеть на графике как простая замкнутая кривая. График в форме замкнутой кривой называют орбитой. Маятник имеет бесконечное количество таких орбит, формируя по виду совокупность вложенных эллипсов.

Странные аттракторы

Аттрактор Лоренца как диаграмма хаотической системы. Эти два графика демонстрируют чувствительную зависимость от первоначальных условий в пределах занятого аттрактором региона

Большинство типов движения описывается простыми аттракторами, являющимися ограниченными циклами. Хаотическое движение описывается странными аттракторами, которые очень сложны и имеют много параметров. Например, простая трёхмерная система погоды описывается известным аттрактором Лоренца — одной из самых известных диаграмм хаотических систем, не только потому, что она была одной из первых, но и потому, что она одна из самых сложных. Другим таким аттрактором является аттрактор Рёсслера, которая имеет двойной период, подобно логистическому отображению.

Странные аттракторы появляются в обеих системах, и в непрерывных динамических (типа системы Лоренца) и в некоторых дискретных (например, отображение Эно). Некоторые дискретные динамические системы названы системами Жулиа по происхождению. И странные аттракторы, и системы Жулиа имеют типичную рекурсивную, фрактальную структуру.

Теорема Пуанкаре — Бендиксона доказывает, что странный аттрактор может возникнуть в непрерывной динамической системе, только если она имеет три или больше измерений. Однако это ограничение не работает для дискретных динамических систем. Дискретные двух- и даже одномерные системы могут иметь странные аттракторы. Движение трёх или большего количества тел, испытывающих гравитационное притяжение при некоторых начальных условиях может оказаться хаотическим движением.

Простые хаотические системы

Хаотическими могут быть и простые системы без дифференциальных уравнений. Примером может быть логистическое отображение, которое описывает изменение количества населения с течением времени. Логистическое отображение является полиномиальным отображением второй степени и часто приводится в качестве типичного примера того, как хаотическое поведение может возникать из очень простых нелинейных динамических уравнений. Ещё один пример — это модель Рикера, которая также описывает динамику населения.

Клеточный автомат — это набор клеток, образующих некоторую периодическую решётку с заданными правилами перехода. Клеточный автомат является дискретной динамической системой, поведение которой полностью определяется в терминах локальных зависимостей. Эволюция даже простых дискретных систем, таких как клеточные автоматы, может сильно зависеть от начальных условий. Эта тема подробно рассмотрена в работах Стивена Вольфрама.

Простую модель консервативного (обратимого) хаотического поведения демонстрирует так называемое отображение «кот Арнольда». В математике отображение «кот Арнольда» является моделью тора, которую он продемонстрировал в 1960 году с использованием образа кошки.

Показать хаос для соответствующих значений параметра может даже одномерное отображение, но для дифференциального уравнения требуется три или больше измерений. Теорема Пуанкаре — Бендиксона утверждает, что двумерное дифференциальное уравнение имеет очень стабильное поведение. Трёхмерные квадратичные системы только с тремя или четырьмя переменными не могут демонстрировать хаотическое поведение[1][2]. Причина в том, что решения таких систем являются асимптотическими по отношению к двумерным плоскостям и поэтому представляют собой стабильные решения.

Цепь Чуа является одной из простейших электрических цепей, генерирующих хаотические колебания.

Математическая теория

Теорема Шарковского — это основа доказательства Ли и Йорке (Li and Yorke) (1975) о том, что одномерная система с регулярным тройным периодом цикла может отобразить регулярные циклы любой другой длины так же, как и полностью хаотических орбит. Математики изобрели много дополнительных способов описать хаотические системы количественными показателями. Сюда входят: рекурсивное измерение аттрактора, экспоненты Ляпунова, графики рекуррентного соотношения, отображение Пуанкаре, диаграммы удвоения и оператор сдвига.

Хронология

Фрактальный папоротник, созданный благодаря игре хаоса. Природные формы (папоротники, облака, горы и т. д.) могут быть воссозданы через систему повторяющихся функций

Первым исследователем хаоса был Анри Пуанкаре. В 1880-х годах, при изучении поведения системы с тремя телами, взаимодействующими гравитационно, он заметил, что могут существовать непериодические орбиты, которые постоянно и не удаляются, и не приближаются к конкретной точке. В 1898 году Жак Адамар издал влиятельную работу о хаотическом движении свободной частицы, скользящей без трения по поверхности постоянной отрицательной кривизны. В своей работе «бильярд Адамара» он доказал, что все траектории непостоянны и частицы в них отклоняются друг от друга с положительной экспонентой Ляпунова.

Почти вся более ранняя теория, под названием эргодическая теория, была разработана только математиками. Позже нелинейные дифференциальные уравнения изучали Биргхоф, A. Колмогоров, M. Каретник, Дж. Литлвуд и Стивен Смэйл. Кроме Смэйла, на изучение хаоса всех их вдохновила физика: поведение трёх тел в случае с Биргхофом, турбулентность и астрономические исследования в случае с Колмогоровым, радиотехника в случае с Каретником и Литлвудом. Хотя хаотическое планетарное движение не изучалось, экспериментаторы столкнулись с турбулентностью течения жидкости и непериодическими колебаниями в радиосхемах, не имея достаточной теории, чтобы это объяснить.

Несмотря на попытки понять хаос в первой половине 20 века, теория хаоса как таковая начала формироваться только с середины столетия. Тогда для некоторых учёных стало очевидно, что преобладающая в то время линейная теория просто не может объяснить некоторые наблюдаемые эксперименты подобно логистическому отображению. Чтобы заранее исключить неточности при изучении, простые «помехи» в теории хаоса считали полноценной составляющей изучаемой системы.

Основным катализатором для развития теории хаоса стала электронно-вычислительная машина. Большая часть математики в теории хаоса выполняет повторную итерацию простых математических формул, которые делать вручную весьма трудоёмко. Электронно-вычислительные машины делали такие повторные вычисления достаточно быстро, тогда как рисунки и изображения позволяли визуализировать эти системы.

Одним из пионеров в теории хаоса был Эдвард Лоренц, интерес которого к хаосу появился случайно, когда он работал над предсказанием погоды в 1961 году. Погодное моделирование Лоренц выполнял на простом цифровом компьютере McBee LGP-30. Когда он захотел увидеть всю последовательность данных, то, чтобы сэкономить время, он запустил моделирование с середины процесса, введя данные с распечатки, которые он вычислил в прошлый раз. К его удивлению погода, которую машина начала предсказывать, полностью отличалась от погоды, рассчитанной прежде. Лоренц обратился к компьютерной распечатке. Компьютер работал с точностью до 6 цифр, но распечатка округлила переменные до 3 цифр, например значение 0,506127 было напечатано как 0,506. Это несущественное отличие не должно было иметь фактически никакого эффекта. Однако Лоренц обнаружил, что малейшие изменения в первоначальных условиях вызывают большие изменения в результате. Открытию дали имя Лоренца и оно доказало, что метеорология не может точно предсказать погоду на период более недели.

Годом ранее, Бенуа Мандельброт нашёл повторяющиеся образцы в каждой группе данных о ценах на хлопок. Он изучал теорию информации и заключил, что структура помех подобна набору Регента[неизвестный термин]: в любом масштабе пропорция периодов с помехами к периодам без них была постоянной — значит ошибки неизбежны и должны быть запланированы. Мандельброт описал два явления: «эффект Ноя», который возникает, когда происходят внезапные прерывистые изменения, например, изменение цен после плохих новостей, и «эффект Иосифа» в котором значения постоянны некоторое время, но всё же внезапно изменяются впоследствии. В 1967 году он издал работу «Какой длины побережье Великобритании? Статистические данные подобностей и различий в измерениях», доказывая, что данные о длине береговой линии изменяются в зависимости от масштаба измерительного прибора. Он утверждал, что клубок бечёвки кажется точкой, если его рассматривать издалека (0-мерное пространство), он же будет клубком или шаром, если его рассматривать достаточно близко (3-мерное пространство) или может выглядеть замкнутой кривой линией сверху (1-мерное пространство). Он доказал, что данные измерения объекта всегда относительны и зависят от точки наблюдения.

Объект, изображения которого являются постоянными в различных масштабах («самоподобие») является фракталом (например кривая Коха, или «снежинка»). В 1975 году Мандельброт опубликовал работу «Фрактальная геометрия природы», которая стала классической теорией хаоса. Некоторые биологические системы, такие как система кровообращения и бронхиальная система, подходят под описание фрактальной модели.

Турбулентные потоки воздуха от крыла самолета, образующиеся во время его посадки. Изучение критической точки, после которой система создает турбулентность, были важны для развития теории хаоса. Например, советский физик Лев Ландау разработал теорию турбулентности Ландау — Хопфа[en]. Позже Дэвид Руелл и Флорис Тейкнс предсказали, вопреки Ландау, что турбулентность в жидкости могла развиться через странный аттрактор, то есть основную концепцию теории хаоса

Явления хаоса наблюдали многие экспериментаторы ещё до того, как его начали исследовать. Например, в 1927 году Ван дер Поль, а в 1958 году П. Ивес. 27 ноября 1961 года Й. Уэда, будучи аспирантом в лаборатории Киотского университета, заметил некую закономерность и назвал её «случайные явления превращений», когда экспериментировал с аналоговыми вычислительными машинами. Тем не менее, его руководитель не согласился тогда с его выводами и не позволил ему представить свои выводы общественности до 1970 года.

В декабре 1977 года Нью-Йоркская академия наук организовала первый симпозиум о теории хаоса, который посетили Дэвид Руелл, Роберт Мей, Джеймс А. Иорк, Роберт Шоу, Й. Даян Фермер, Норман Пакард и метеоролог Эдвард Лоренц.

В следующем году Митчелл Фейгенбаум издал статью «Количественная универсальность для нелинейных преобразований», где он описал логистические отображения. М. Фейгенбаум применил рекурсивную геометрию к изучению естественных форм, таких как береговые линии. Особенность его работы в том, что он установил универсальность в хаосе и применял теорию хаоса ко многим явлениям.

В 1979 году Альберт Дж. Либчейбр на симпозиуме в Осине представил свои экспериментальные наблюдения каскада раздвоения, который ведёт к хаосу. Его наградили премией Вольфа в физике совместно с Митчеллом Дж. Фейгенбаумом в 1986 году «за блестящую экспериментальную демонстрацию переходов к хаосу в динамических системах».

Тогда же в 1986 году Нью-Йоркская Академия Наук вместе с национальным Институтом Мозга и центром Военно-морских исследований организовали первую важную конференцию по хаосу в биологии и медицине. Там Бернардо Уберман продемонстрировал математическую модель глаза и нарушений его подвижности среди шизофреников. Это привело к широкому применению теории хаоса в физиологии в 1980-х годах, например, в изучении патологии сердечных циклов.

В 1987 году Пер Бак, Чао Тан и Курт Висенфелд напечатали статью в газете, где впервые описали систему самодостаточности (СС), которая является одним из природных механизмов. Многие исследования тогда были сконцентрированы вокруг крупномасштабных естественных или социальных систем. CC стала сильным претендентом на объяснение множества естественных явлений, включая землетрясения, солнечные всплески, колебания в экономических системах, формирование ландшафта, лесные пожары, оползни, эпидемии и биологическую эволюцию.

Учитывая нестабильное и безмасштабное распределение случаев возникновения, не странно, что некоторые исследователи предложили рассмотреть как пример CC возникновение войн. Эти «прикладные» исследования включали в себя две попытки моделирования: разработка новых моделей и приспособление существующих к данной естественной системе.

В том же году Джеймс Глеик издал работу «Хаос: создание новой науки», которая стала бестселлером и представила широкой публике общие принципы теории хаоса и её хронологию. Теория хаоса прогрессивно развивалась как межпредметная и университетская дисциплина, главным образом под названием «анализ нелинейных систем». Опираясь на концепцию Томаса Куна о смене парадигм, много «учёных-хаотиков» (так они сами назвали себя) утверждали, что эта новая теория и есть пример сдвига.

Доступность более дешёвых, более мощных компьютеров расширяет возможности применения теории хаоса. В настоящее время теория хаоса продолжает быть очень активной областью исследований, вовлекая много разных дисциплин (математика, топология, физика, биология, метеорология, астрофизика, теория информации, и т. д.).

Применение

Теория хаоса применяется во многих научных дисциплинах: математика, биология, информатика, экономика, инженерия, финансы, философия, физика, политика, психология и робототехника.

В лаборатории хаотическое поведение можно наблюдать в разных системах, например, электрические схемы, лазеры, химические реакции, динамика жидкостей и магнитно-механических устройств. В природе хаотическое поведение наблюдается в движении спутников солнечной системы, эволюции магнитного поля астрономических тел, приросте населения в экологии, динамике потенциалов в нейронах и молекулярных колебаниях. Есть существенные основания полагать о существовании динамики хаоса в тектонике плит и в экономике.

Одно из самых успешных применений теории хаоса было в экологии, когда динамические системы, похожие на модель Рикера, использовались, чтобы показать зависимость прироста населения от его плотности.

В настоящее время теория хаоса также применяется в медицине при изучении эпилепсии для предсказаний приступов, учитывая первоначальное состояние организма.

Похожая область физики, названная квантовой теорией хаоса, исследует связь между хаосом и квантовой механикой. Недавно появилась новая область, названная хаосом относительности, чтобы описать системы, которые развиваются по законам общей теории относительности.

Различия между случайными и хаотическими данными

Только по исходным данным трудно сказать, каким является наблюдаемый процесс — случайным или хаотическим, потому что практически не существует явного чистого «сигнала» отличия. Всегда будут некоторые помехи, даже если их округлять или не учитывать. Это значит, что любая система, даже если она детерминированная, будет содержать немного случайностей.

Чтобы отличить детерминированный процесс от стохастического, нужно знать, что детерминированная система всегда развивается по одному и тому же пути от данной отправной точки. Таким образом, чтобы проверить процесс на детерминизм необходимо:

  1. Выбрать тестируемое состояние.
  2. Найти несколько подобных или почти подобных состояний.
  3. Сравнить их развитие во времени.

Погрешность определяется как различие между изменениями в тестируемом и подобном состояниях. Детерминированная система будет иметь очень маленькую погрешность (устойчивый, постоянный результат), или она будет увеличиваться по экспоненте со временем (хаос). Стохастическая система будет иметь беспорядочно распределённую погрешность.

По существу все методы определения детерминизма основываются на обнаружении состояний, самых близких к данному тестируемому (то есть, измерению корреляции, экспоненты Ляпунова, и т. д.). Чтобы определить состояние системы, обычно полагаются на пространственные методы определения стадии развития. Исследователь выбирает диапазон измерения и исследует развитие погрешности между двумя близлежащими состояниями. Если она выглядит случайной, тогда нужно увеличить диапазон, чтобы получить детерминированную погрешность. Кажется, что это сделать просто, но на деле это не так. Во-первых, сложность состоит в том, что, при увеличении диапазона измерения поиск близлежащего состояния требует намного большего количества времени для вычислений, чтобы найти подходящего претендента. Если диапазон измерения выбран слишком маленьким, то детерминированные данные могут выглядеть случайными, но если диапазон слишком большой, то этого не случится — метод будет работать.

Когда в нелинейную детерминированную систему вмешиваются внешние помехи, её траектория постоянно искажается. Более того, действия помех усиливаются из-за нелинейности, и система показывает полностью новые динамические свойства. Статистические испытания, пытающиеся отделить помехи от детерминированной основы или изолировать их, потерпели неудачу. При наличии взаимодействия между нелинейными детерминированными компонентами и помехами появляется динамика, которую традиционные испытания на нелинейность иногда не способны фиксировать.

Примечания

Литература

См. также

Ссылки

wiki2.red

Теория хаоса

Теория Хаоса, аттрактор, фрактал и рынок

Теория Хаоса с середины 80-х годов ХХ столетия является одной из самых популярных теорий, применяемых трейдерами в прогнозировании рыночных движений, которые изучает технический анализ. Т.е., для многих трейдеров этот подход стал основополагающим на рынке Форекс.

 

При этом, до сих пор не существует четкого математической формулировки понятия «хаоса». В этой связи некоторые исследователи теории нередко формулируют хаос как крайнюю непредсказуемость постоянного нелинейного и нерегулярного сложного движения, которое возникает в динамической системе.

Однако, хаос не случаен. Подтверждением тому могут служить некоторые аспекты астрономии, астрологии и религиозных течений, которые мы не станем затрагивать в нашем тексте. И, более того, несмотря на кажущуюся непредсказуемость, он динамически детерминирован (т.е. определен) и не выходит за рамки четких закономерностей. И, хотя на первый взгляд, непредсказуемость

хаоса граничит со случайностью – это обманчивое впечатление. Согласно Теории Хаоса, когда речь заходит о хаотичном движении цен, то имеется в виду не их случайное движение, а упорядоченное определенным способом движение. И, если динамика рынка и хаотична, это не говорит о ее случайности. Т.е., случайность и непредсказуемость – понятия не однозначные, и это важно понимать.

 

Непредсказуемость хаоса, как правило, объясняется существенной зависимостью от начальных условий. Такая зависимость указывает на то, что даже самые незначительные просчеты в определении параметров изучаемого объекта могут привести к абсолютно неверному прогнозу. Такие ошибки могут возникнуть в результате незнания или непонимания изначально предлагаемых условий. Неважные на первый взгляд моменты, которым трейдер может по неопытности или лени не придать значения, дадут неверно поставленную задачу, и, как следствие, приведут к неправильному прогнозу. Например, касательно невозможности делать правильные долгосрочные прогнозы погоды существенную зависимость от начальных условий называют "эффектом бабочки". "Эффект бабочки" указывает на существование вероятности того, что взмах крыла бабочки в Бразилии приведет к появлению торнадо в Техасе.

Также отметим, что факторы воздействия могут быть экзогенные (внешние), и эндогенные (внутренние). В качестве характерного примера хаотичного движения и влияния экзогенных и эндогенных факторов можно привести движение бильярдного шара. Кто хоть раз играл в бильярд, прекрасно знает, насколько на конечный результат – попадание шара в лузу – влияет направление удара кием, сила удара, расположение шара относительно других шаров и некоторые другие вводные данные. Малейший просчет в одном из этих факторов приведет к абсолютно непредсказуемой траектории движения шара по столу. Однако, даже при всех правильных действиях игрока движение шара может стать непредсказуемым на одном из этапов движения: после соприкосновения с бортом стола, другими шарами, лузой.

Исходя из вышесказанного можно утверждать, что будущее предсказать невозможно, так как всегда существуют изначальные ошибки измерения, порожденные в том числе незнанием всех факторов и условий. Как итог: мелкие недочеты и/или ошибки порождают крупные последствия, которые, как правило, развиваются лавинообразно, или в геометрической прогрессии.

Существует утверждение, что Хаос - более высокая форма порядка. Однако, более правильно считать Хаос другой формой порядка: с неизбежностью в любой динамической системе за порядком в обычном его понимании следует хаос, а за хаосом - порядок. И, если определять Хаос как беспорядок, то внутри него формируется своя, особенную форму порядка. К примеру, дым от сигарет, поднимающийся сначала в виде упорядоченного столба далее под влиянием внешней среды принимает все более причудливые очертания, а его движения становятся хаотичными. Другой пример хаотичности в природе - лист дерева или рисунок кожи пальца человека: ученые доказали, что абсолютной идентичности не бывает НИКОГДА.

 

Движение от порядка к Хаосу и обратно является сущностью Вселенной, какие бы проявления ее мы не рассматривали. Даже в мозгу человека одновременно присутствует упорядоченное и хаотическое начала. Первое соответствует левому полушарию мозга, а второе - правому. Левое полушарие отвечает сознательное поведение человека, за выработку линейных правил и стратегий в поведении человека, где четко определяется "если…, то…". В правом же полушарии царит нелинейность и хаотичность. Интуиция является одним из проявлений правого полушария мозга. Не зря древняя китайская мудрость гласит, что мысли человека подобны обезьянам, прыгающим с ветки на ветку.

 


 

Теория Хаоса изучает порядок хаотичной системы, которая выглядит случайной, беспорядочной. При этом Теория Хаоса дает возможность построить модель такой системы, не ставя задачу точного прогнозирования поведения хаотичнойой системы в будущем.

Теория Хаоса начала зарождаться еще в XIX веке, однако действительное научное развитие она получила во второй половине XX века, вместе с работами Эдварда Лоренца (Edward Lorenz) из Массачусетского технологического института и франко-американского математика Бенуа Б. Мандельброта (Benoit B. Mandelbrot).

Эдвард Лоренц в свое время (начало 60-х годов XX века, работа опубликована в 1963 году) рассматривал причины трудности прогнозирования погоды. Заметим, что до появления работы Лоренца в научной среде господствовало два мнения относительно возможности точного прогнозирования погоды на бесконечно длительный срок.

Первый подход был сформулирован в 1776 году французским математиком Пьером Симоном Лапласом. Он утверждал, что "…если мы представим себе разум, который в данное мгновение постиг все связи между объектами во Вселенной, то он сможет установить соответствующее положение, движения и общие воздействия всех этих объектов в любое время в прошлом или в будущем". Направление его мыслей повторяли знаменитое изречение Архимеда: "Дайте мне точку опоры, и я переверну весь мир". Таким образом, Лаплас и приверженцы его теории говорили, что для точного прогнозирования погоды необходимо только собрать больше информации обо всех частицах во Вселенной, их местоположении, скорости, массе, направлении движения, ускорении и т.д. Лаплас считал, что чем больше человек будет иметь информации, тем точнее будет его прогноз относительно будущего.

Второй подход относительно возможности прогнозирования погоды был сформулирован другим французским математиком Жюлем Анри Пуанкаре. В 1903 году он сказал: "Если бы мы точно знали законы природы и положение Вселенной в начальный момент, мы могли бы точно предсказать положение той же Вселенной в последующий момент. Но даже если бы законы природы открыли нам все свои тайны, мы и тогда могли бы знать начальное положение только приближенно. Если бы это позволило нам предсказать последующее положение с тем же приближением, это было бы все, что нам требуется, и мы могли бы сказать, что явление было предсказано, что оно управляется законами. Но это не всегда так; может случиться, что малые различия в начальных условиях вызовут очень большие различия в конечном явлении. Малая ошибка в первых породит огромную ошибку в последнем.

Предсказание становится невозможным, и мы имеем дело с явлением, которое развивается по воле случая".

В этом высказывании Пуанкаре и состоит постулат Теории Хаоса о зависимости от начальных условий. Последующее развитие науки, особенно квантовой механики, опровергло детерминизм теории Лапласа. В 1927 году немецкий физик Вернер Гейзенберг открыл и сформулировал принцип неопределенности. Этот принцип объясняет, почему некоторые случайные явления не подчиняются детерминизму Лапласа. Гейзенберг показал принцип неопределенности на примере радиоактивного распада ядра. Так, из-за очень малых размеров ядра невозможно знать все процессы, происходящие внутри него. Поэтому, сколько бы информации мы не собирали о ядре, точно предсказать, когда это ядро распадется - невозможно.

Таким образом, мы подошли вплотную к самой Теории Хаоса, изучение которой основано на таких инструментах, как аттракторы и фракталы.

 

 


 

 

Аттрактор

 

Аттрактор (англ. to attract - притягивать) - геометрическая структура, характеризующая поведение в фазовом пространстве по прошествии длительного времени.

Аттрактор Лоренца рассчитан на основе всего трех степеней свободы - три обыкновенных дифференциальных уравнения, три константы и три начальных условия. Однако, несмотря на свою простоту, система Лоренца ведет себя псевдослучайным (хаотичным) образом.

Смоделировав свою систему на компьютере, Лоренц выявил причину ее хаотического поведения - разницу в начальных условиях. Даже микроскопическое отклонение двух систем в самом начале в процессе эволюции приводило к экспоненциальному накоплению ошибок и соответственно их стохастическому расхождению.

Наряду с этим, любой аттрактор имеет определенные размеры границ, поэтому экспоненциальная расходимость двух траекторий разных систем не может продолжаться бесконечно. Рано или поздно орбиты вновь сойдутся и пройдут рядом друг с другом или даже совпадут, хотя последнее и маловероятно. Кстати, совпадение траекторий является правилом поведения простых предсказуемых аттракторов.

Сходимость-расходимость (или складывание и вытягивание соответственно) хаотичного аттрактора систематически устраняет начальную информацию и заменяет ее новой. При схождении траектории сближаются и начинает проявляться эффект близорукости - возрастает неопределенность крупномасштабной информации. При расхождении траекторий наоборот, они расходятся и проявляется эффект дальнозоркости, когда возрастает неопределенность мелкомасштабной информации (этот подход применил в своей Теории Пассионарности Л. Н. Гумилев, назвав такие явления «оберрацией близости» и «оберрацией дальности»).

В результате постоянной сходимости-расходимости хаотичного аттрактора неопределенность стремительно нарастает, что с каждым моментом времени лишает нас возможности делать точные прогнозы. То, чем так гордится наука - способностью устанавливать связи между причинами и следствиями - в хаотичных системах невозможно. Причинно-следственной связи между прошлым и будущем в Хаосе не существует.

Также надо отметить, что скорость схождения-расхождения является мерой Хаоса, т.е. численным выражением хаотичности самой системы. Другой статистической мерой Хаоса служит размерность аттрактора.

Подводя промежуточный итог, заметим, что основным свойством хаотичных аттракторов является сходимость-расходимость траекторий разных систем, которые случайным образом постепенно и бесконечно перемешиваются.

На этом этапе поговорим о пересечении фрактальной геометрии и Теории Хаоса. А парадокс заключен в том, что хотя фрактал и является одним из инструментов Теории Хаоса, по сути он - противоположность Хаоса.

Главное различие между Хаосом и Фракталом состоит в том, что первый является динамическим явлением, а второй - статическим. Под динамическим свойством Хаоса понимается непостоянное и непериодическое изменение траекторий.

 

 


 

 

Фрактал 

 

Фрактал - это геометрическая фигура, определенная часть которой повторяется снова и снова. Отсюда проявляется одно из свойств фрактала - самоподобие.

Другое свойство фрактала - дробность. Дробность фрактала является математическим отражением меры неправильности фрактала.

Фактически все, что кажется случайным и неправильным, может быть фракталом (очертания океанов и морей, облака, деревья, биение сердца, популяции и миграции животных, дым от костра или языки пламени).

В итоге, Теория Хаоса предполагает три основных принципа для изучения рынка:

Все в мире следует путем наименьшего сопротивления. Рынок подобен реке, выбирающей свое русло.

Путь наименьшего сопротивления определяется структурой, которая всегда обусловлена причинами и обычно не видна. Если русло реки глубоко и широко, течение медленное, если неглубокое и узкое - на реке образовываются буруны и стремнины. Поведение течения можно предсказать путем исследования русла реки.

Основная и обычно невидимая структура всегда может быть определена и изменена. Структура определяет поведение. Вы можете изменить поток вашей жизни и вашей торговли, распознавая основную структуру вашей торговли.

 

 

pro-forexinform.ru

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *