2006(â1)
2006(â1)
2006(â1)
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Можно показать, что любая ветвь<br />
p l функции P ( z ) является сжимающим отображением<br />
с переменным параметром сжатия q в области<br />
Zc<br />
⊂ C<br />
, определенной неравенством<br />
dp ( z) dz < 1, z ∈ Z . Условие сжимаемости одновременно для каждой ветви<br />
l<br />
c<br />
функции P ( z) : С → С может быть записано как<br />
dP( z) dz < 1. (4)<br />
Доказано [6], что при выполнении условия (4) отображение P ( B) : ( , )<br />
( , ), ( , )<br />
Алгоритм поиска минимума ⎡J<br />
, P ( J ) ⎤<br />
→ H С ε ∀B ∈ H С ε также является сжимающим.<br />
ε ⎣<br />
s<br />
s<br />
H С ε →<br />
⎦ и вычисления неизвестных параметров<br />
итерационной функции P ( z ) достаточно прост в реализации и основан на том, что P ( z)<br />
есть линейная функция относительно входящих в разложение (2) коэффициентов C l , а ε<br />
представляет собой обычную меру среднеквадратичного отклонения, легко минимизируемую<br />
методом наименьших квадратов [6]. Этот алгоритм состоит в следующем.<br />
Для заданного компактного множества J ⊂ H ( C)<br />
вводится начальное приближение<br />
аппроксимирующего полинома P порядка L, определяемое начальными значениями коэффициентов<br />
l<br />
C . Далее находят P ( J )<br />
P J N T-мерными шарами<br />
с соответствующими центрами x n и<br />
s<br />
s<br />
, после чего покрывают s<br />
n<br />
J и ( )<br />
y . Вычисляют ⎡J<br />
, P ( J )<br />
ε ⎣<br />
s<br />
s<br />
−1<br />
s<br />
⎤ ⎦ сопоставив x n и<br />
−1<br />
y n друг другу требуемым образом. Затем вычисляют значения P ( z)<br />
1<br />
. Поскольку P − является<br />
конформным отображением, оно трансформирует бесконечно малые T-мерные шары<br />
y n в бесконечно малые T-мерные шары xm<br />
Для каждого T-мерного шара y n вводят локальное биективное отображение P n , обратное<br />
−1<br />
∈ . Таким образом, ( )<br />
Js<br />
P y = x .<br />
1<br />
P − . Это можно сделать, выбирая соответствующие ветви отображения P для каждого<br />
конкретного значения n. Тогда уравнения, минимизирующие ⎡J<br />
, P ( J )<br />
⎤ ⎦ , запишутся<br />
как ( ) ⎡ −1<br />
( )<br />
Pn xm, Cl′ = Pn P yn, Cl , C ⎤<br />
⎣ l′<br />
⎦ = xn<br />
или<br />
ε ⎣<br />
n<br />
s<br />
m<br />
s<br />
L<br />
l<br />
∑ Cl′ xn<br />
= xm<br />
, (5)<br />
l = 0<br />
где через C′ l обозначен новый набор коэффициентов разложения (2). Для найденных коэффициентов<br />
описанная процедура рекурсивно повторяется до тех пор, пока при решении<br />
системы уравнений (5) параметр ε (3) уменьшается. В заключение проверяется состоятельность<br />
полученного решения относительно условия (4).<br />
В связи с высокой вычислительной сложностью рассмотренного математического аппарата<br />
возникает необходимость разработки алгоритмов быстрого решения ОЗФМ. Модель<br />
программы, реализующей итерационный алгоритм последовательного уточнения описания<br />
исходного фрактального множества множествами Жюлиа инверсных полиномов, была реализована<br />
в среде системного моделирования MLDesigner (рис. 1) 1 .<br />
1 URL: http//www.mldesigner.com<br />
10