控制论基础课件.pptVIP

控制论基础 《数字地球与数字城市》讲义之十 张雪虎 北京大学遥感与GIS研究所 2005年11月23日 xuehu@pku.edu.cn 概述 控制论的一些核心概念 关系的概念（Relational Concepts） 循环过程（Circular Processes） 目标与控制（Goal-Directness and Control） 认知（Cognition） 复杂系统科学概况 讨论 先看两个自组织的例子－磁铁磁化 煮水中的自组织 区分与关系 当我们研究一个系统的时候，首先我们需要把系统和它的环境区分开来； 如果我们希望研究系统的细节，那么我们还需要进一步区分系统的属性； 例如位置，速度，颜色，形状等等。 当我们完全描述一个系统的所有属性的时候，也就描述了这个系统的“状态”； 以此我们可以通过系统的属性来定义它的状态空间：S； 这一状态空间的维度即它（或它的组成部分）所具有的属性 多样性和限制 一个系统的状态空间所包含的所有状态的数量即是系统的多样性（Variety）； 由于这个数量的范围往往非常大，所以多样性经常用LOG形式表达，即： V ＝ log2(|S|) [bit] 实际系统的可能状态往往小于系统状态空间所包含的所有状态，这时我们称系统是被限制的系统。系统限制C可以定义为： C ＝ Vmax － V 多样性和熵 当我们不知道系统目前处于哪个状态，但是知道系统处于不同状态的概率的时候，我们可以通过熵的概念来表达我们对应系统的了解程度： 限制与信息 可以看出对系统的限制（C），会使得系统只能处于某些状态，而不能处于其他状态； 这将导致系统的熵的减小，即不确定性的降低。所以C对应于系统最大熵和系统真实熵之间的差。 从另外一个视角看，对系统的限制代表了我们关于系统状态的知识，由此可以定义信息，I。 以对一个系统的一次观测中获得的信息为例，可以定义信息为： I＝H(观测前)－H(观测后) 系统状态的变化表达 从以上状态空间的定义和系统状态的静态表达，我们可以定义系统状态的变化为一种不同时刻的状态空间之间的转换关系T： T : S － S : s(t) － s(t+1) 当我们仅知道系统状态的概率分布时，这种转换关系可以用马尔克夫链，M来表达： M: P(s, t) － P(s,t+1) 其中Mij ＝ P(sj(t+1)|si(t)) 转换关系的类型 动态转换关系为 一一对应关系：系统的多样性，熵和信息保持不变 多对一关系：系统多样性减少，熵减少 一对多关系：系统多样性增加，熵增加 多对多关系：不一定 循环过程－自作用Self-Application y＝f(y） yt+1＝ f(yt) 一个动态系统的例子：生态模型 xn+1=f(xn)=bxn(1-xn)＝bxn-bxn2 xn∈[0,1]，b∈[0,4] n代表时间， xn代表生物种群的数目，b代表繁殖率， 1－xn代表自然环境对物种的制约 现在让我们来解一下这个简单的方程。。。 请同学们试一试 x定=f(x定)=bx定(1-x定)＝bx定-bx定2 x定1＝0 0b≤1 x定2＝1-1/b b1 还有没有其他解呢？ x周=f2(x周)=b[bx周(1-x周)][1-bx周(1-x周)] x周1=((b+1)+sqrt((b+1)(b-3)))/2b b3 x周2=((b+1)-sqrt((b+1)(b-3)))/2b 当b大于3.57时 x混=f∞(x混) 不再稳定 也不再有周期 对于一个混沌系统，当初始值有微小差别会有什么结果？ 自组织（Self-Organization） 假设 f() 代表系统的动态变化过程，y 代表系统的状态，那么 y＝f(y) 代表系统一个平衡点。 当 y 代表一组系统状态（状态空间的一个子集）时，往往把y称作系统（动态过程）的一个吸引子。 吸引子可以带有自己的盆地 B(y)，即 ?s?B(y), s?y, ? n such that fn(s) ? y 当一个系统进入一个吸引子的盆地后，最终会落入吸引子中，这时系统的多样性降低了，熵减小了，不确定性也减少了，也可以说组织性增加了。 由于这一过程是系统自己完成的，所以又称其为自组织。 所有具有吸引子的动态系统都会最终落入某一个吸引子中，从而完成其自组织的过程。 如果系统是由很多部件组成的，那么这种自组织过程往往意味着各个部件之间的同步，协同和依赖关系的形成。 吸引子可以有多种类似，如定常吸引子，周期吸引子，和混沌吸引子（即奇异吸引子）。具体的例子见前面的生态模型。 封闭（Closure） 如果吸引子覆盖整个状态空间的话，那么我们称系统针对于组织性是封闭的（Close to Organization）。 系统的组织封闭性定义了系统的个性。 因为封闭性限定了系统属