Психология. Теория хаоса. Что такое теория хаоса? Теория хаоса наука

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.

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.

Теория хаоса - это учение о сложных нелинейных динамических системах. Ниже рассматривается истинное положение вещей, как ответ многим ошибочным представлениям об этой области науки.

Что такое теория хаоса?

Формально, теория хаоса определяется как учение о сложных нелинейных динамических системах. Под термином сложные это и понимается, а под термином нелинейные понимается рекурсия и алгоритмы из высшей математики, и, наконец, динамические — означает непостоянные и непериодические. Таким образом, теория хаоса - это учение о постоянно изменяющихся сложных системах, основанное не математических концепциях рекурсии, в форме ли рекурсивного процесса или набора дифференциальных уравнений, моделирующих физическую систему.

Неправильные представления о теории хаоса

Широкая общественность обратила внимание на теорию хаоса благодаря таким фильмам, как Парк юрского периода, и благодаря им же, постоянно увеличивается опасение теории хаоса со стороны общества. Однако, как и в отношении любой вещи, освещаемой средствами массовой информации, в отношении теории хаоса возникло много неправильных представлений.

Теория хаоса о беспорядке

Наиболее часто встречающееся несоответствие состоит в том, что люди полагают, что теория хаоса — это теория о беспорядке. Ничто не могло бы быть так далеко от истины! Это не опровержение детерминизма и не утверждение о том, что упорядоченные системы невозможны; это не отрицание экспериментальных подтверждений и не заявление о бесполезности сложных систем. Хаос в теории хаоса и есть порядок — и даже не просто порядок, а сущность порядка.

Это правда, что теория хаоса утверждает, что небольшие изменения могут породить огромные последствия. Но одной из центральных концепций в теории является невозможность точного предсказания состояния системы. В общем, задача моделирования общего поведения системы вполне выполнима, даже проста. Таким образом, теория хаоса сосредотачивает усилия не на беспорядке системы — наследственной непредсказуемости системы — а на унаследованном ей порядке — общем в поведении похожих систем.

Таким образом, было бы неправильным сказать, что теория хаоса о беспорядке. Чтобы пояснить это на примере, возьмем аттрактор Лоренца (ри.1) . Он основан на трех дифференциальных уравнениях, трех константах и трех начальных условиях.

Рис. 1 Аттрактор Лоренца

Rnrnrn rnrnrn rnrnrn

Аттрактор представляет поведение газа в любое заданное время, и его состояние в определенный момент зависит от его состояния в моменты времени, предшествовавшие данному. Если исходные данные изменить даже на очень маленькие величины, скажем, эти величины малы настолько, что соизмеримы с колебаниями числа Авогадро (очень маленькое число порядка 10 24 ), проверка состояния аттрактора покажет абсолютно другие числа. Это происходит потому, что маленькие различия увеличиваются в результате рекурсии.

Однако, несмотря на это, график аттрактора будет выглядеть достаточно похоже. Обе системы будут иметь абсолютно разные значения в любой заданный момент времени, но график аттрактора останется тем же самым, т.к. он выражает общее поведение системы.

Теория хаоса говорит, что сложные нелинейные системы являются наследственно непредсказуемыми, но, в то же время, теория хаоса утверждает, что способ выражения таких непредсказуемых систем оказывается верным не в точных равенствах, а в представлениях поведения системы — в графиках странных аттракторов или во фракталах. Таким образом, теория хаоса, о которой многие думают как о непредсказуемости, оказывается, в то же время, наукой о предсказуемости даже в наиболее нестабильных системах.

Применение теории хаоса в реальном мире

При появлении новых теорий, все хотят узнать что же в них хорошего. Итак что хорошего в теории хаоса?

Первое и самое важное — теория хаоса — это теория. А значит, что большая ее часть используется больше как научная основа, нежели как непосредственно применимое знание. Теория хаоса является очень хорошим средством взглянуть на события, происходящие в мире отлично от более традиционного четко детерминистического взгляда, который доминировал в науке со времен Ньютона. Зрители, которые посмотрели Парк Юрского периода, без сомнения боятся, что теория хаоса может очень сильно повлиять на человеческое восприятие мира, и, в действительности, теория хаоса полезна как средство интерпретации научных данных по-новому. Вместо традиционных X-Y графиков, ученые теперь могут интерпретировать фазово-пространственные диаграммы которые — вместо того, чтобы описывать точное положение какой-либо переменной в определенный момент времени — представляют общее поведение системы. Вместо того, чтобы смотреть на точные равенства, основанные на статистических данных, теперь мы можем взглянуть на динамические системы с поведением похожим по своей природе на статические данные — т.е. системы с похожими аттракторами. Теория хаоса обеспечивает прочный каркас для развития научных знаний.

Однако, согласно вышесказанному не следует, что теория хаоса не имеет приложений в реальной жизни.

Техники теории хаоса использовались для моделирования биологических систем, которые, бесспорно, являются одними из наиболее хаотических систем из всех что можно себе представить. Системы динамических равенств использовались для моделирования всего — от роста популяций и эпидемий до аритмических сердцебиений.

В действительности, почти любая хаотическая система может быть смоделирована — рынок ценных бумаг порождает кривые, которые можно легко анализировать при помощи странных аттракторов в отличие от точных соотношений; процесс падения капель из протекающего водопроводного крана кажется случайным при анализе невооруженным ухом, но если его изобразить как странный аттрактор, открывается сверхъестественный порядок, которого нельзя было бы ожидать от традиционных средств.

Фракталы находятся везде, наиболее заметны в графических программах как например очень успешная серия продуктов Fractal Design Painter . Техники фрактального сжатия данных все еще разрабатываются, но обещают удивительные результаты как например коэффициента сжатия 600:1 . Индустрия специальных эффектов в кино, имела бы горазда менее реалистичные элементы ландшафта (облака, скалы и тени) без технологии фрактальной графики.

И, конечно, теория хаоса дает людям удивительно интересный способ того, как приобрести интерес к математике, одной из наиболее мало-популярной области познания на сегодняшний день.

Броуновское движение и его применения

Броуновское движение — это, например, случайное и хаотическое движение частичек пыли, взвешенных в воде. Этот тип движения, возможно, является аспектом фрактальной геометрии, имеющий с наибольшее практическое использование. Случайное Броуновское движение производит частотную диаграмму, которая может быть использована для предсказания вещей, включающих большие количества данных и статистики. Хорошим примером являются цены на шерсть, которые Мандельброт предсказал при помощи Броуновского движения .

Частотные диаграммы, созданные при построении графика на основе Броуновских чисел так же можно преобразовать в музыку. Конечно этот тип фрактальной музыки совсем не музыкален и может действительно утомить слушателя. Занося на график случайно Броуновские числа, можно получить Пылевой Фрактал наподобие того, что приведен здесь в качестве примера.

Рис. 2 Частотная диаграмма

Кроме применения Броуновского движения для получения фракталов из фракталов, оно может использоваться и для создания ландшафтов. Во многих фантастических фильмах, как например Star Trek техника Броуновского движения была использована для создания инопланетных ландшафтов таких, как холмы и топологические картины высокогорных плато. Эти техники очень эффективны, и их можно найти в книге Мандельброта Фрактальная геометрия природы.

Rnrnrn rnrnrn rnrnrn

Мандельброт использовал Броуновские линии для создания фрактальных линий побережья и карт островов (которые на самом деле были просто в случайном порядке изображенные точки) с высоты птичьего полета.

Любой, кто когда либо брал в руки кий для бильярда, знает, что ключ к игре — точность. Малейшая ошибка в угле начального удара может быстро привести к огромной ошибке в положении шарика всего после нескольких столкновений. Эта чувствительность к начальным условиям называемая хаосом возникает непреодолимым барьером для любого, кто надеется предсказать или управлять траекторией движения шарика больше чем после шести или семи столкновений. И не стоит думать, что проблема заключается в пыли на столе или в нетвердой руке. Фактически, если вы используете ваш компьютер для построения модели, содержащей бильярдный стол, не обладающий ни каким трением, нечеловеческим контролем точности позиционирования кия, вам все равно не удастся предсказывать траекторию шарика достаточно долго!

Движение биллиардного шарика

Насколько долго? Это зависит частично от точности вашего компьютера, но в большей степени от формы стола. Для совершенно круглого стола, можно просчитать приблизительно до 500 положений столкновений с ошибкой около 0.1 процента. Но стоит изменить форму стола так, чтобы она стала хотя бы немножко неправильной (овальной), и непредсказуемость траектории может превышать 90 градусов уже после 10 столкновений! Единственный путь получить картинку общего поведения бильярдного шарика, отскакивающего от чистого стола — это изобразить угол отскока или длину дуги соответствующую каждому удару. Здесь приведены два последовательных увеличения такой фазово-пространственной картины.

Каждая отдельная петля или область разброса точек представляет поведение шарика, происходящее от одного набора начальных условий. Область картинки, на которой отображаются результаты какого-то одного конкретного эксперимента, называется аттракторной областью для данного набора начальных условий. Как можно видеть форма стола, использованного для этих экспериментов является основной частью аттракторных областей, которые повторяются последовательно в уменьшающемся масштабе. Теоретически, такое самоподобие должно продолжаться вечно и если мы будем увеличивать рисунок все больше и больше, мы бы получали все те же формы. Это называется очень популярным сегодня словом фрактал.

Интеграция детерминированных фракталов и хаос

Из рассмотренных примеров детерминистских фракталов можно увидеть, что они не проявляют никакого хаотического поведения и что они на самом деле очень даже предсказуемы. Как известно, теория хаоса использует фрактал для того, чтобы воссоздать или найти закономерности с целью предсказания поведения многих систем в природе, таких как, например, проблема миграции птиц.

Теперь давайте посмотрим, как это в действительности происходит. Используя фрактал , называемый Деревом Пифагора, не рассматриваемого здесь (который, кстати, не изобретен Пифагором и никак не связан с теоремой Пифагора) и Броуновского движения (которое хаотично), давайте попытаемся сделать имитацию реального дерева. Упорядочение листьев и веток на дереве довольно сложно и случайно и, вероятно не является чем-то достаточно простым, что может эмулировать короткая программа из 12 строк.

Для начала нужно сгенерировать Дерево Пифагора (Рис. 6) . Результат напоминает те старые детсадовские рисунки… Так что давайте сделаем ствол толще. На этой стадии Броуновское движение не используется. Вместо этого, каждый отрезок линии теперь стал линией симметрии прямоугольника, который становится стволом, и веток снаружи.

Но результат все еще выглядит слишком формальным и упорядоченным. Дерево еще не смотрится как живое. Попробуем применить некоторые из тех знаний в области детерминированных фракталов, которые мы только что приобрели.

Теперь можно использовать Броуновское движение для создания некоторой случайной беспорядочности, которая изменяет числа, округляя их до двух разрядов. В оригинале были использованы 39 разрядные десятичные числа. Результат (Рис. 8) не выглядит как дерево. Вместо этого, он выглядит как хитроумный рыболовный крючок!

Может быть округление до 2 разрядов было слишком уж много? Снова применяем Броуновское движение , округленное на этот раз до 7 разрядов. Результат по-прежнему выглядит как рыболовный крючок, но на этот раз в форме логарифмической спирали (Рис. 9)

Так как левая сторона (содержащая все нечетные числа) не производит эффект крючка, случайные беспорядочности, произведенныеБроуновским движением применяются дважды ко всем числам с левой стороны и только один раз к числам справа. Может быть этого будет достаточно чтобы исключить или уменьшить эффект логарифмической спирали. Итак, числа округляются до

Огромное Спасибо за Ваш вклад в развитие отечественной науки и техники!

Введение

1. Возникновение и история теории хаоса

2. Порядок и беспорядок

3. Прикладной хаос

4. Основные принципы хаоса (аттракторы и фракталы)

5. Детерминированный хаос и информационные технологии

6. Хаоса в других науках

7. Последствия хаоса

1.Начиная с рубежа 1980-х - 1990-х годов в дискуссиях историков-методологов появилось новое направление, связанное с "наукой о сложном" (complexity sciences). Так принято называть новую междисциплинарную область исследований, в центре внимания которой находятся проблемы исследования систем с нелинейной динамикой, неустойчивым поведением, эффектами самоорганизации, наличием хаотических режимов. Единая наука о поведении сложных систем, самоорганизации в Германии названа синергетикой (Г. Хакен), во франкоязычных странах - теорией диссипативных структур (И. Пригожин), в США - теорией динамического хаоса (М. Фейгенбаум). В отечественной литературе принят преимущественно первый термин, наиболее краткий и емкий.

ТЕОРИЯ ХАОСА - раздел математики, изучающий кажущееся случайным или очень сложное поведение детерминированных динамических систем. Динамическая система – это такая система, состояние которой меняется во времени в соответствии с фиксированными математическими правилами; последние обычно задаются уравнениями, связывающими будущее состояние системы с текущим. Такая система детерминирована, если эти правила не включают явным образом элемента случайности.

История теории хаоса . 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 из Массачусетского технологического института и франко-американского математика Бенуа Б. Мандельброта. Эдвард Лоренц в свое время 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.

В 1926–1927 голландский инженер Б.Ван-дер-Пол сконструировал электронную схему, соответствующую математической модели сердечных сокращений. Он обнаружил, что при определенных условиях возникающие в схеме колебания были не периодическими, как при нормальном сердцебиении, а нерегулярными. Его работа получила серьезное математическое обоснование в годы Второй мировой войны, когда Дж.Литтлвуд и М.Картрайт исследовали принципы радиолокации.

В 1950 Дж.фон Нейман предположил, что неустойчивость погоды может в один прекрасный день обернуться благом, поскольку неустойчивость означает, что желаемый эффект может быть

В начале 1960-х годов американский математик С.Смейл попытался построить исчерпывающую классификацию типичных разновидностей поведения динамических систем. Поначалу он предполагал, что можно обойтись различными комбинациями периодических движений, но вскоре понял, что возможно значительно более сложное поведение. В частности, он подробнее исследовал открытое Пуанкаре сложное движение в ограниченной задаче трех тел, упростив геометрию и получив при этом систему, известную ныне как «подкова Смейла». Он доказал, что такая система, несмотря на ее детерминированность, проявляет некоторые черты случайного поведения. Другие примеры подобных явлений были разработаны американской и российской школами в теории динамических систем, причем особенно важным оказался вклад В.И.Арнольда. Так начала возникать общая теория хаоса.

То, что чувствительность к начальным данным ведет к хаосу, понял - и тоже в 1963 году - американский метеоролог Эдвард Лоренц . Он задался вопросом: почему стремительное совершенствование компьютеров не привело к воплощению в жизнь мечты метеорологов - достоверному среднесрочному (на 2-3 недели вперед) прогнозу погоды? Эдвард Лоренц предложил простейшую модель, описывающую конвекцию воздуха (она играет важную роль в динамике атмосферы), просчитал ее на компьютере и не побоялся всерьез отнестись к полученному результату. Этот результат - динамический хаос- есть непериодическое движение в детерминированных системах (то есть в таких, где будущее однозначно определяется прошлым), имеющее конечный горизонт прогноза.

С точки зрения математики можно считать, что любая динамическая система, что бы она ни моделировала, описывает движение точки в пространстве, называемом фазовым. Важнейшая характеристика этого пространства - его размерность, или, попросту говоря, количество чисел, которые необходимо задать для определения состояния системы. С математической и компьютерной точек зрения не так уж и важно, что это за числа - количество рысей и зайцев на определенной территории, переменные, описывающие солнечную активность или кардиограмму, или процент избирателей, до сих пор поддерживающих президента. Если считать, что точка, двигаясь в фазовом пространстве, оставляет за собой след, то динамическому хаосу будет соответствовать клубок траекторий. Здесь размерность фазового пространства всего 3. Замечательно, что такие удивительные объекты существуют даже в трехмерном пространстве.

2. Порядок и беспорядок

Теория хаоса является достаточно общей, чтобы охватить широкий круг явлений нашего мира и при этом будоражит воображение читателей. Ведь оказалось, что порядок возникает именно из хаоса, а не откуда-нибудь еще! С другой стороны, в современных научных представлениях о хаосе есть много моментов, требующих пристального внимания и углубленного изучения. Пожалуй, вопросов тут больше, чем ответов.

Порядок и беспорядок

Из соображений, которые, возможно, станут ясны ниже, вначале мы обратимся к двум исключительно важным понятиям современной науки: «порядок» и «беспорядок». Обычно нам кажется, что здесь все с самого начала ясно и понятно, но на самом деле это далеко не так. И понятие хаоса, в известной мере, становится интересным и важным именно потому, что только порядком и беспорядком нам тут не обойтись.

Прежде всего – что такое порядок и что такое беспорядок? В каком отношении они находятся друг с другом? И как отличить одно от другого? Вопросы эти, оказывается, отнюдь не тривиальны, в чем мы скоро убедимся.

В повседневной жизни принято полагать, что беспорядок – это отсутствие порядка. Такие понятия встречаются довольно часто, например «холод». Мы употребляем его на каждом шагу и понимаем, что имеется в виду. Более того, мы даже «измеряем» его с помощью термометра. И, тем не менее, холода как такового не существует. Существует тепло, а холод на самом деле является его недостатком. Но мы говорим «холод» так, как будто бы он был чем-то реальным (или, как говорят философы, субстанциальным).

А вот с понятием «беспорядок» все, в известном смысле, обстоит наоборот. Мы используем это слово как обозначение отсутствия чего-то (порядка), что именно и существует само по себе. Но возникает вопрос: а так ли это?

Поясним суть дела на конкретном примере, для чего представим себе письменный стол некоего профессора. Глядя на него, мы, вероятно, решим что все, что находится на нем, свалено в беспорядочную кучу. Однако сам профессор, не глядя, протягивая руку, безошибочно находит нужный ему предмет. И напротив, если уборщица разложит все аккуратными стопками, то профессор не сможет работать так же, как не смогла готовить бабушка в романе Рэя Брэдбери «Вино из одуванчиков» после генеральной уборки, устроенной на кухне тетей.

Может быть, следует признать, что то, что мы привыкли называть беспорядком отнюдь не является отсутствием того, что обычно называют порядком? Впрочем, есть и другой путь: оставить за словом «беспорядок» его привычное значение, и ввести в оборот другой термин для обозначения того, что мы часто, не задумываясь, также называем беспорядком, хотя в действительности имеем в виду нечто совершенно иное.

Изучение комплексных и динамических систем для выявления закономерностей порядка (нехаоса) из очевидных хаотичных явлений. Объяснение Chaos Theory (Теория хаоса) Lorenz ("60) и Poincaré. (ca 1900)

Что такое Chaos Theory (Теория хаоса) ? Описание

Методом Chaos Theory (Теория хаоса) от Lorenz и Poincaré будет методика можно использовать для систем изучать сложных и динамических для того чтобы показать закономерности порядка (нехаоса) из по-видимому хаотичных поведений.

«Chaos Theory (Теория хаоса) - Качественное изучение неустойчивого апериодического поведения в детерминистических нелинейных динамичных системах» (Kellert, 1993, P. 2). Апериодическое поведение наблюдается, когда нет ни одной переменной, описывающей состояние системы, которое испытывает регулярное повторение значений. Неустойчивое апериодическое поведение очень сложно: оно никогда не повторяется и проявляет эффект любого небольшого возмущения.

Согласно сегодняшней математической теории хаотичная система характеризуется «чувствительностью к начальным условиям». Другими словами, для того чтобы предсказать будущее состояние системы с определенностью, вам необходимо знать начальные условия с огромной точностью, в виду того что ошибки увеличиваются быстро из-за даже самой небольшой неточности.

Поэтому погоду настолько трудно прогнозировать. Теория также применялась к экономическим циклам, динамике животных популяций, в движении текучей среды, области планетарных орбит, электрического тока в полупроводниках, медицинских состояний (например, эпилептический припадок) и моделировании гонки вооружений.

Во 1960-х Edward Lorenz, метеоролог из MIT, работал над проектом по имитации закономерностей погоды на компьютере. Он случайно столкнулся с Эффектом бабочки (butterfly effect) после того, как отклонения в вычислениях на тысячные доли в значительной степени меняли процесс имитации. Эффект бабочки показывает, как изменения небольшого маштаба могут оказывать влияние на вещи большого масштаба. Это классический пример хаоса, где небольшие изменения могут повлечь большие изменения. Бабочка, хлопая своими крыльями в Гон Конге, может изменить закономерности торнадо в Техасе.

Chaos Theory (Теория хаоса) рассматривает организации/бизнес группы как сложные, динамические, нелинейные, созидательные и далекие от состояния равновесия системы. Их будущие результаты нельзя предсказать на основе прошлых и текущих событий и действий. В состоянии хаоса, организации одновременно ведут себя непредсказуемо (хаотично) и систематично (упорядоченно).

Происхождение Теории хаоса. История

Ilya Prigogine, лауреат Нобелевской премии, показал, что сложные структуры могут происходить от более простых. Это как порядок исходящий из хаоса. Henry Adams ранее описал данное явление цитатой «Chaos often breeds life, when order breeds habit». Однако Henri Poincaré был настоящим «отцом-основателем теории хаоса» . Планета Нептун была открыта в 1846 и была предсказана на основе наблюдений отклонений в орбите Урана. Король Норвегии Oscar II был готов дать награду любому, кто бы смог доказать или опровергнуть то, что солнечная система устойчива. Poincaré предложил свое решение, но когда его друг нашел ошибку в его вычислениях, награду отобрали до тех пор, пока он не смог придумать новое решение. Poincaré пришел к выводу, что решения не было. Даже законы Isaac Newton не помогали в решении этой огромной проблемы. Poincaré пытался найти порядок в системе, где его не было. Теория хаоса была сформулирована в 1960-х. Значительная и более практическая работа была проделана Edward Lorenz в 1960-х. Название хаос было придуманно Jim Yorke, ученым в области прикладной математики в университете Maryland (Ruelle, 1991).

Вычисление Chaos Theory (Теория хаоса)? Формула

В применении Теории хаоса, одиночная переменная x (n) = x (t0 + nt) с начальным временем, t0, и временем задержки, t, обеспечивает n-мерное пространство, или фазовое пространство, которое представляет собой все многомерное пространство состояния системы; может потребоваться до 4 измерений для того, чтобы представить фазовое пространство хаотичной системы. Таким образом, в течение длительного периода времени, анализируемая система выработает закономерности в рамках нелинейного временного ряда, что можно использовать для предсказания будущих состояний (Solomatine et al, 2001).

Применение Теории хаоса. Формы применения

Принципы Теории хаоса были успешно использованы для описания и объяснения разнообразных естественных и искусственных явлений. Such as:

Предсказание эпилептических припадков. Предсказание финансовых рынков. Моделирование систем производства. Прогнозы погоды. Создание фракталов. Сгенерированные компьютером изображения с использованием принципов Chaos Theory (Теория хаоса) . (См. на этой странице.)

В условиях, когда Бизнес работает в неустойчивой, сложной и непредсказуемой среде, принципы Теории хаоса могут быть весьма ценны. Области применения могут включать:

Бизнес стратегия/Корпоративная стратегия. Сложный процесс принятия решений. Социальные науки. Организационное поведение и организационное изменение. Сравните: Causal Model of Organizational Performance and Change (Причинно-следственная модель организационной деятельности и изменения) Поведение на фондовой биржи, инвестирование.

Стадии в Теории хаоса. Процесс

Для того, чтобы контролировать хаос, необходимо контролировать систему или процесс хаоса. Для контролирования системы, необходимы:

Цель, задача, которые система должна достигнуть и выполнить. Для системы с предсказуемым поведением (детерминистическим) это может быть определенное состояние системы. Система способная достигать цель или выполнять поставленные задачи. Некоторое способы оказания влияния на поведение системы. Включают Параметры контроля/control inputs (решения, правила принятия решений или начальные состояния).

Преимущества Теории хаоса. Преимущества

Теория хаоса имеет широкое применение в современном науке и технике. Коммуникация и менеджмент могут стать свидетелями смещения парадигмы, как и некоторые другие области бизнеса. Исследования и изучение этой области в академической среде могут быть весьма полезны для бизнеса и финансового мира.

Ограничения Теории хаоса. Недостатки

Ограничения применения Теории хаоса связаны, главным образом, с выбором вводных параметров. Методы, выбранные для вычисления этих параметров зависят от динамики, лежащей в основе данных и вида анализа, которая в большинстве случаев очень сложна и не всегда точна.

Непросто найти непосредственное и прямое применение теории хаоса в деловой среде, однако определенно стоит применять анализ деловой среды с использованием знаний о хаосе.

Предположения Теории хаоса). Условия

Небольшие действия приводят к достаточно большим последствиям, создавая хаотичную атмосферу.

Введение в теорию хаоса

Что такое теория хаоса?

Теория хаоса - это учение о сложных нелинейных динамических системах.

Формально, теория хаоса определяется как учение о сложных нелинейных динамических системах. Под термином сложные это и понимается, а под термином нелинейные понимается рекурсия и алгоритмы из высшей математики, и, наконец, динамические - означает непостоянные и непериодические. Таким образом, теория хаоса это учение о постоянно изменяющихся сложных системах, основанное не математических концепциях рекурсии, в форме ли рекурсивного процесса или набора дифференциальных уравнений, моделирующих физическую систему.

Неправильные представления о теории хаоса

Наиболее часто встречающееся несоответствие состоит в том, что люди полагают, что теория хаоса - это теория о беспорядке. Ничто не могло бы быть так далеко от истины! Это не опровержение детерминизма и не утверждение о том, что упорядоченные системы невозможны; это не отрицание экспериментальных подтверждений и не заявление о бесполезности сложных систем. Хаос в теории хаоса и есть порядок - и даже не просто порядок, а сущность порядка.

Это правда, что теория хаоса утверждает, что небольшие изменения могут породить огромные последствия. Но одной из центральных концепций в теории является невозможность точного предсказания состояния системы. В общем, задача моделирования общего поведения системы вполне выполнима, даже проста. Таким образом, теория хаоса сосредотачивает усилия не на беспорядке системы - наследственной непредсказуемости системы - а на унаследованном ей порядке - общем в поведении похожих систем.

Таким образом, было бы неправильным сказать, что теория хаоса о беспорядке. Чтобы пояснить это на примере, возьмем аттрактор Лоренца. Он основан на трех дифференциальных уравнениях, трех константах и трех начальных условиях.

Теория хаоса о беспорядке

Аттрактор представляет поведение газа в любое заданное время, и его состояние в определенный момент зависит от его состояния в моменты времени, предшествовавшие данному. Если исходные данные изменить даже на очень маленькие величины, скажем, эти величины малы настолько, что соизмеримы с вкладом отдельных атомов в число Авогадро (что является очень маленьким числом по сравнению со значениями порядка 1024), проверка состояния аттрактора покажет абсолютно другие числа. Это происходит потому, что маленькие различия увеличиваются в результате рекурсии.

Теория хаоса говорит, что сложные нелинейные системы являются наследственно непредсказуемыми, но, в то же время, теория хаоса утверждает, что способ выражения таких непредсказуемых систем оказывается верным не в точных равенствах, а в представлениях поведения системы - в графиках странных аттракторов или во фракталах. Таким образом, теория хаоса, о которой многие думают как о непредсказуемости, оказывается, в то же время, наукой о предсказуемости даже в наиболее нестабильных системах.

Применение теории хаоса в реальном мире

При появлении новых теорий, все хотят узнать что же в них хорошего. Итак что хорошего в теории хаоса? Первое и самое важное - теория хаоса - это теория. А значит, что большая ее часть используется больше как научная основа, нежели как непосредственно применимое знание. Теория хаоса является очень хорошим средством взглянуть на события, происходящие в мире отлично от более традиционного четко детерминистического взгляда, который доминировал в науке со времен Ньютона. Зрители, которые посмотрели Парк Юрского периода, без сомнения боятся, что теория хаоса может очень сильно повлиять на человеческое восприятие мира, и, в действительности, теория хаоса полезна как средство интерпретации научных данных по-новому. Вместо традиционных X-Y графиков, ученые теперь могут интерпретировать фазово-пространственные диаграммы которые - вместо того, чтобы описывать точное положение какой-либо переменной в определенный момент времени - представляют общее поведение системы. Вместо того, чтобы смотреть на точные равенства, основанные на статистических данных, теперь мы можем взглянуть на динамические системы с поведением похожим по своей природе на статические данные - т.е. системы с похожими аттракторами. Теория хаоса обеспечивает прочный каркас для развития научных знаний.

Однако, согласно вышесказанному не следует, что теория хаоса не имеет приложений в реальной жизни.

Техники теории хаоса использовались для моделирования биологических систем, которые, бесспорно, являются одними из наиболее хаотических систем из всех что можно себе представить. Системы динамических равенств использовались для моделирования всего - от роста популяций и эпидемий до аритмических сердцебиений.

В действительности, почти любая хаотическая система может быть смоделирована - рынок ценных бумаг порождает кривые, которые можно легко анализировать при помощи странных аттракторов в отличие от точных соотношений; процесс падения капель из протекающего водопроводного крана кажется случайным при анализе невооруженным ухом, но если его изобразить как странный аттрактор, открывается сверхъестественный порядок, которого нельзя было бы ожидать от традиционных средств.

Фракталы находятся везде, наиболее заметны в графических программах как например очень успешная серия продуктов Fractal Design Painter. Техники фрактального сжатия данных все еще разрабатываются, но обещают удивительные результаты как например коэффициента сжатия 600:1. Индустрия специальных эффектов в кино, имела бы горазда менее реалистичные элементы ландшафта (облака, скалы и тени) без технологии фрактальной графики.

В физике фракталы естественным образом возникают при моделировании нелинейных процессов, таких, как турбулентное течение жидкости, сложные процессы диффузии-адсорбции, пламя, облака и т. п. Фракталы используются при моделировании пористых материалов, например, в нефтехимии. В биологии они применяются для моделирования популяций и для описания систем внутренних органов (система кровеносных сосудов).