逃逸时间法生成Julia集的算法分析和具体实现

逃逸时间算法是生成Julia集最常用的算法,论文针对非线性复映射f(z)=zm+c为迭代函数的情形进行讨论。首先,根据逃逸时间算法的基本原理给出相应的算法步骤;然后,对迭代函数f(z)=zm+c进行了详细研究,从而合理地确定了算法中需要控制的变量Rmax和B(Rmax:判断｛fn(z0)｝n∞=1有界与否的界限值;B:初始迭代点z0的取值范围)的取值,这样就大大地减少了迭代次数,从而提高了算法的运算效率。

Julia集的逃逸时间生成方法研究

Julia集是分形理论中具有重要地位的集合。针对非线性复映射迭代函数f(z)=zn+c,给出利用逃逸时间算法生成分形图的算法步骤。对影响分形图形状和分形图生成时间的关键参数进行研究。分析了参数c对Julia分形图形状特征的影响,给出了视窗参数取值范围B、收敛区域半径Rmax和迭代次数控制参数Nmax的取值极限。结果表明,对控制参数进行恰当的取值,可以减少总迭代次数,提高算法的运算效率。

逃逸时间法生成M集中控制变量B的确定

逃逸时间算法是生成Mandelbrot集(简称M集)最常用的算法,本文针对非线性复映射f(z)=zm+c为迭代函数的情形进行讨论.首先,根据逃逸时间算法的基本原理给出相应的算法步骤;然后,对迭代函数f(z)=zm+c进行了详细研究,从而合理地确定了算法中需要控制的变量B(参数值c0的取值范围)的取值,这样就大大地减少了迭代次数,从而提高了算法的运算效率.