复映射z←()~(-a)+c(a≥2)的广义M集及其对称周期检测法

研究了指数为负实数的非解析复映射()()2+-aaczz的广义Mandelbrot集.分析和证明了a取不同值时该映射的广义M集所具有的性质,严格地给出了a为正整数时复映射周期1轨道稳定区域边界的参数方程.提出了对称周期检测法,根据各参数点的周期值对M集进行着色,并充分利用M集的对称性来减少绘制过程中计算周期时所需要的迭代运算.实验结果表明,新算法在获得高质量M分形图的同时具有较高的绘制速度.进一步地,新算法可以推广到其他M(Mandelbrot)集和J(Julia)集的绘制.     

Fibonacci序列构造广义M J混沌分形图谱周期性的研究

为更好的研究M-J混沌分形图谱的周期性,首先利用旋转逃逸时间算法绘制了正整数阶复映射的广义M-J混沌分形图谱,然后分析了广义Mandelbrot集(M-集)周期芽苞的分布规律,并验证了广义M-集周期芽苞存在Fi-bonacci序列拓扑不变性的规则;最后通过大量计算机数学实验,找出了M-集参数平面与动力平面上相应的Julia集图像结构之间的对应关系,同时给出了广义M-J集周期轨道的计算公式。     

复映射z←(-z)-a+c(a≥2)的广义M集及其对称周期检测法

研究了指数为负实数的非解析复映射z←(-z)-a+c(a≥2)的广义Mandelbrot集.分析和证明了(取不同值时该映射的广义M集所具有的性质,严格地给出了(为正整数时复映射周期1轨道稳定区域边界的参数方程.提出了对称周期检测法,根据各参数点的周期值对M集进行着色,并充分利用M集的对称性来减少绘制过程中计算周期时所需要的迭代运算.实验结果表明,新算法在获得高质量M分形图的同时具有较高的绘制速度.进一步地,新算法可以推广到其他M(Mandelbrot)集和J(Julia)集的绘制.     

一类广义Logistic映射的分形特征与同步

本文讨论了一类二维广义Logistic实映射的Julia集和Mandelbrot集.首先采用盒维数计算法,计算了实映射Julia集的分形维数,并引入一种线性反馈控制的方法,对实映射的Julia集进行了控制.其次引入不同系统间Julia集同步的概念,通过非线性耦合控制的方法,对具有不同参数两个实映射的Julia集进行了同步.最后通过引入实参数的方法构造了实映射的Mandelbrot集,并通过梯度控制法实现了具有不同参数的两个实映射Mandelbrot集的同步.仿真结果表明了控制和同步方法的有效性.     

复映射z←(z)-a+c(a≥2)的广义M集及其对称周期检测法

研究了指数为负实数的非解析复映射z←(z)^-a+c(a≥2)的广义Mandelbrot集.分析和证明了(取不同值时该映射的广义M集所具有的性质,严格地给出了(为正整数时复映射周期1轨道稳定区域边界的参数方程.提出了对称周期检测法,根据各参数点的周期值对M集进行着色,并充分利用M集的对称性来减少绘制过程中计算周期时所需要的迭代运算.实验结果表明,新算法在获得高质量M分形图的同时具有较高的绘制速度.进一步地,新算法可以推广到其他M(Mandelbrot)集和J(Julia)集的绘制.     

分形及其计算机生成

本文重点以图象的方式直观地探讨了分形的特征。并用C语言编制程序模拟生成分形图象Julia集和Mandelbrot集,通过对其图象的边界进行逐级放大,可以清楚地了解到它们的无限嵌套的自相似性以及Julia集和Mandelbrot集的密切关系。     

Julia分形

近年来分形理论和它的构造方法受到极大关注.Julia集是使用非线性复映射f(z)=zm c为迭代函数生成的一类著名分形,而逃逸时间算法是生成Julia集最常用的算法.本文在给出逃逸时间算法的算法步骤之后,针对迭代函数fmc(z)=zm c中参数m,c变化的不同情况,给出了Julia集的实验图例,并分析了二次表达式的常规Julia集(m=2)和高阶的广义Julia集(m＞2)的一些特点.     

Julia分形

近年来分形理论和它的构造方法受到极大关注。Julia集是使用非线性复映射f（z）=zm＋c为迭代函数生成的一类著名分形,而逃逸时间算法是生成Julia集最常用的算法。本文在给出逃逸时间算法的算法步骤之后,针对迭代函数fm.c（z）=zm＋c中参数m,c变化的不同情况,给出了Julia集的实验图例,并分析了二次表达式的常规Julia集（m=2）和高阶的广义Julia集（m〉2）的一些特点。     

周期芽苞Fibonacci序列构造M-J混沌分形图谱的一族猜想

利用逃逸时间算法绘制M－J混沌分形图谱，通过计算机数学实验找到Mandellbrot集的普适常数和相应充满Julia集的近似标度不变因子，定性说明了M－J混沌分形图谱标度不变的特性，同时，通过实验与数据分析发现Mandelbrot集周期芽苞的Fibonacci序列的拓扑不变性，找到M－集内的黄金分割点，最后给出由Mandelbrot集参数平面上某个吸引周期芽苞中的参数与动力平面上相应Julia集图像结构之间的对应关系，并给出M－J周期轨道的递归公式和多重结构特征图的猜想。     

复映射Z←Z—1／WZ^W—1构造M集与J集

从复映射z←e^zw c构造牛顿变换z←z－1／wz^w-1(w≠0或1）,新的复z←z-1/wz^w-1在参数w下有可数无穷多极值点,文中构造了动力平面上的有效极值点集,根据有效极值点集中的轨道是否有界构造多种广义M集,探讨M集的图像的特征,进一步揭示了反映M集中经典“Mandelbrot”周期碎片中的参数与相应充满Julia集图象结构之间的对应关系。     

Julia 集和Mandelbrot 集的反演变换

论文讨论了居里叶集与曼德尔布罗特集的反演变换问题,通过扩充复平面 上关于任意定点的反演变换,获得了两类共轭函数。使得这两类共轭函数的居里叶集与曼德 尔布罗特集,恰好是原居里叶集与曼德尔布罗特集关于定点的反演变换,并运用逃逸时间算 法绘制居里叶集和曼德尔布罗特集的反演图。     

D4对称平面排列映射广义充满Julia集

为了更加直观、有效地在参数空间挑选参数构造出具有D4对称特性的平面排列映射的混沌吸收子和广义充满Julia集，在参数空间任选两个实参数构造参数断面，构造其上的广义M集。在这种广义M集的周期区域中挑选参数，可以由计算机生成大量新颖的广义充满Julia集。为了揭示出这种广义充满Julia集内部的复杂结构，给出了两种构造方法。为具有平面对称特性的动力系统的计算机图形化研究工作增添了新形式的艺术图像。     

General Mandelbrot sets and Julia sets with color symmetry from equivariant mappings of the modular group

A method for constructing the general M (Mandelbrot) set of a non-analytic mapping is presented. The equivariant mapping with symmetry of the modular group is considered as an illustration. By investigating the distribution of attractors in the upper half-plane and the assignment of colors to each attractor, an algorithm is presented for the construction of filled-in Julia sets with 2- or 3-color symmetry. Such Julia sets not only reveal the characteristics of a system, but also have high artistic appeal.     

基于超复数系的分形准全息图象生成

提出了一种新型分形准全息图象，并采用基于超复数系分形图象的生成方法进行分形准全息图象序列的生成，生成的分形准全息图象在激光防伪等领域有着良好的应用前景。文中还给出了超复数系中分形三维图象生成的快速算法和生成结果。     

Fractal Dimension and Synchronization of the Controlled Julia Sets of a Reaction–Diffusion System

This paper is concerned with the fractal dynamics of a reaction–diffusion system, – the forced Brusselator model. The Julia set of the discrete version of the model is established. Then, the control of the Julia set is realized by combining the parameter perturbation control method and feedback control method. The box‐counting dimensions of the Julia sets of the controlled system for different control parameters are computed, which is used to describe the complexity and irregularity of the Julia sets. Finally, nonlinear coupling items are designed to make one Julia change to be another. The simulations illustrate the efficacy of these methods.     

Effect of Stochastic Noise on Superior Julia Sets

Julia sets are considered one of the most attractive fractals and have wide range of applications in science and engineering. The strong physical meaning of Mandelbrot and Julia sets is broadly accepted and nicely connected by Christian Beck (Physica D 125(3–4):171–182, 1999) to the complex logistic maps, in the former case, and to the inverse complex logistic map, in the latter. Argyris et al. (Chaos Solitons Fractals 11(13):2067–2073, 2000) have studied the effect of noise on Julia sets and concluded that Julia sets are stable for noises of low strength, and a small increment in the strength of noise may cause considerable deterioration in the configuration of the Julia sets. It is well-known that the method of function iterates plays a crucial role in discrete dynamics utilizing the techniques of fractal theory. However, recently Rani and Kumar (J. Korea Soc. Math. Edu. Ser. D: Res. Math. Edu. 8(4):261–277, 2004) introduced superior iterations as a generalization of function iterations in the study of Julia sets and studied superior Julia sets. This technique is further utilized to study effectively new Mandelbrot sets and related properties (see, for instance, Negi and Rani, Chaos Solitons Fractals 36(2):237–245, 2008; 36(4):1089–1096, 2008, Rani and Kumar, J. Korea Soc. Math. Edu. Ser. D: Res. Math. Edu. 8(4):279–291, 2004). The intent of this paper is to study certain effects of noise on superior Julia sets. We find that the superior Julia sets are drastically more stable for higher strength of noises than the classical Julia sets. Finally, we make a humble attempt to discuss some applications of superior orbit in discrete dynamics and of superior Julia sets in particle dynamics.