فراکتال و نظریه آشوب

[Admin]

شاید تا کنون بارها نام فراکتالها یا برخالها را شنیده باشید؛ موجوداتی که به عنوان اصلی ترین بازیگران هندسه منتج از نظریه آشوب شناخته می شوند.
این هندسه ویژگی های منحصر به فردی دارد، که می تواند توجیه گر بسیاری از رویدادهای جهان اطراف ما باشد، اما ویژگی اصلی که در تعریف آشوب و بالطبع هندسه آن وجود دارد، باعث می شود ما استفاده ویژه ای از این سیستم ببریم.


این روزها از فراکتالها به عنوان یکی از ابزارهای مهم در گرافیک رایانه ای نام می برند، اما هنگام پیدایش این مفهوم جدید بیشترین نقش را در فشرده سازی فایلهای تصویری بازی کردند.


برای آن که درک بهتری نسبت به فراکتالها داشته باشیم ، بد نیست نگاه مختصری به آشوبی بیندازیم ، که فراکتال ها فضای هندسی آنها را تعریف می کند.






تعریف آشوب

فصل مشترک تعاریفی که برای مفهوم آشوب ارائه شده است ، تاکید بر این نکته است که آشوب دانش بررسی رفتار سیستم هایی است که اگرچه ورودی آنها قابل تعیین واندازه گیری است ، اما خروجی این سیستم ها ظاهری کتره ای و تصادفی دارد.
شاید به همین دلیل بود که استوارت ریاضیدان برجسته این موضوع را مفهومی احتمالاتی می دانست ، اما چیزی نگذشت که وی تعریف خود را اصلاح کرد و به تعریفی رسید که تقریبا مورد تایید عمومی قرار دارد.


بر اساس این تعریف ، آشوب به توانایی یک الگو و مدل ساده گفته می شود که اگرچه خود این الگو هیچ نشانی از پدیده های تصادفی در خود ندارد، اما می تواند منجر به ظهور رفتارهای بسیار بی قاعده در محیط شود.


برای مثال ، یک دنباله ریاضی از اعداد را در نظر بگیرید که برای توضیح یک پدیده مشخص وضع شده است. بیایید هربار پاسخ معادله را به عنوان متغیر جدید به این سیستم وارد کنید.


سری جوابی که به دست خواهد آمد، دنباله ای از اعداد است که رفتاری آشوبناک دارد و اگر آنها را تصویر کنیم به یک الگوی واقعی آشوب می رسیم ؛ مثلا معادله ساده x3+c که در آن c یک عدد مختلط است ، اگر یک بار یک عدد به x نسبت دهیم و دفعات بعد به جای عدددلخواه پاسخ قبلی معادله را به xنسبت دهیم ، نمونه بسیار جذابی از یک رابطه آشوبناک به دست می آید؛ رابطه ای که زیبایی های خود را آشکار خواهد کرد، اما نکته ای هم مشخص است.


همین طور که از مثال مشخص شده ، یکی از شناسه های مهم سیستم های آشوب در این است که بازخورد یک رفتار بر ادامه فعالیت آن تاثیر می گذارد؛ یعنی همواره اولین محصول خروجی در ادامه روند نقش بازی می کند؛ همانند زاد و ولد موجودات ، اگر بخواهیم روند زاد و ولد انسان یا هر موجود دیگری را در نظر بگیریم ، باید توجه کنیم که نسل اول کودکان اگرچه محصول این سیستم هستند، اما در تعیین ادامه روند سیستم نقش بازی می کنند.


فراکتالها
اگرچه آشوب نظریه ای است که بر موضوعات گوناگون اجتماعی و سیاسی و اقتصادی نظر دارد، اما نیازمند زبانی برای تصویر سازی مفاهیم خود بود و این عرصه ای بود که هندسه آشوب یا فراکتالها خلق کردند.


ما در هندسه آشوب با تصاویر متفاوتی سرو کار داریم ، تصاویری که بزرگترین خصوصیات آنها این است که وقتی رسم آن را آغاز می کنیم ، نمی دانیم در نهایت با چه پدیده ای روبه رو خواهیم شد و از سوی دیگر بازخورد در آن نقش اساسی دارد. بیایید یک فرمول کلی را اجرا کنیم. یک مثلث متساوی الاضلاع رسم کنید.
حال میانه 3ضلع را مشخص کرده و از رسم آنها به هم مثلث متساوی الساقین جدیدی به دست آورید. همین بلا را بر سر 3مثلث تشکیل شده بیرونی بکنید و این روند را تا آنجا که می توانید ادامه دهید. شما با استفاده از یک رابطه ساده - که تقسیم اضلاع مثلث به نصف و اتصال آنها به هم بود - و با تکرار آن موفق به رسم نقشه یک ساختار فراکتالی شده اید.


چنان اشکالی اجزای سازنده هندسه جدی فراکتالی هستند؛ هندسه ای که به قول یکی از خالقان آن ، یعنی مندلبرات ابزاری را برای دیدن بی نهایت در اختیار ما قرار می دهد.این اشکال یک مشخصه بسیار عمده دارند. کل شکل از اجزایی مشابه شکل اول تشکیل شده است.
در مثال خودمان مثلث بزرگ از مجموعه ای مثلثهای همسان به وجود آمده است. این یکی از خصوصیات زیبای فراکتالهاست که همزمان از سوی طبیعت و فناوری به کار گرفته شده است.


اگر تا به حال به یک برگ سرخس نگاه کرده باشید، می توانید متوجه تشابه اجزای مختلف آن شوید. ساختار کل ساقه همانند یک برگ و ساختار یک برگ همانند یک جزو کوچک آن است.


اگر فرصت کردید نگاهی هم به سواحل دریاها یا تصاویر هوایی کوهستان ها و گیاهان اطرافتان بیندازید، بسرعت درخواهید یافت که در جهانی آشوب زده احاطه شده اید. اگر هنوز از این موجودات ساده و در عین حال پیچیده هیجان زده نشده اید، این نکته را هم بشنوید.این اجسام نه یک بعدی اند، نه دو بعدی و نه سه بعدی.
این ها ابعادی کسری دارند؟ فراکتالها دقیقا به دلیل همین خاصیت ویژه ای که دارند، زمانی توانستند روشی برای ذخیره سازی تصاویر ارائه دهند. معمولا زمانی که یک تصویر گرافیکی قرار است به شکل یک فایل تصویری ذخیره شود، باید مشخصات هرنقطه از آن (شامل محل قرار گیری پیکسل و رنگ آن به صورت داده هایی عدی ذخیره شود و زمانی که یک مرور گر بخواهد این فایل را برای شما به تصویر بکشد و نمایش دهد، باید بتواند این کدهای عدی را به ویژگیهای گرافیکی تبدیل کند و آن را به نمایش بگذارد. مشکلی که در این کار وجود دارد، حجم بالایی از داده ها ست که باید از سوی نرم افزار ضبط کننده و تولید کننده بررسی شود.


اگر بخواهیم تصویر نهایی ما کیفیتی عالی داشته باشد،نیازمند آنیم که اطلاعات هریک از نقاط تشکیل دهنده تصاویر را با دقت بالایی مشخص و ثبت کنیم و این حجم بسیار بالایی از حافظه را به خود اختصاص می دهد، به همین دلیل ، روشهایی برای فشرده سازی تصویر ارائه می شود.


اگر نگاهی به فایلهایی که با پسوندهای مختلف ضبط شده اند، بیندازید متوجه تفاوت فاحش حجم آنها می شوید. برخی از این فرمتها با پذیرفتن افت کیفیت بین تصویر تولیدی و آنچه آنها ذخیره می کنند، عملا این امکان را در اختیار مردم قرار می دهند، که بتوانند فایلها و تصاویر خود را روی فلاپی ها و با حجم کمتر ذخیره کنند یا روی اینترنت قرار دهند.


برای این فشرده سازی از روشهای مختفی استفاده می شود. درواقع در این فشرده سازی ها بر اساس برخی الگوریتم های کار آمد سعی می شود به جای ضبط تمام داده های یک پیکسل مشخصات اساسی از یک ناحیه ذخیره شود، که هنگام باز سازی تصویر نقشی اساسی تر را ایفا می کنند.
در اینجاست که روش فراکتالی اهمیت خود را نشان می داد. در یکی از روشهایی که در این باره مطرح شد و با استقبال بسیار خوبی از سوی طراحان مواجه شد، روش استفاده از خاصیت الگوهای فراکتالی بود. در این روش از این ویژگی اصلی فراکتالها استفاده می شد که جزیی از یک تصویر در کل آن تکرار می شود.برای درک بهتر به یک مثال نگاهی بیندازیم. فرض کنید تصویری از یک برگ سرخس تهیه کرده اید و قصد ذخیره کردن آن را دارید.


همان طور که قبلا هم اشاره شد، این برگ ساختاری کاملا فراکتالی دارد؛ یعنی اجزای کوچک تشکیل دهنده در ساختار بزرگ تکرار می شود.
بخشی از یک برگ کوچک ،برگ را می سازد و کنار هم قرار گرفتن برگها ساقه اصلی را تشکیل می دهد. اگر بخواهیم تصویر این برگ را به روش عادی ذخیره کنیم ، باید مشخصات میلیون ها نقطه این برگ را دانه به دانه ثبت کنیم ، اما راه دیگری هم وجود دارد. بیایید و مشخصات تنها یکی از دانه های اصلی را ضبط کنید. در این هنگام با اضافه کردن چند عملگر ریاضی ساده بقیه برگ را می توانید تولید کنید.


در واقع ، با در اختیار داشتن این بلوک ساختمانی و اعمال عملگرهایی چون دوران حول محورهای مختلف ، بزرگ کردن یا کوچک کردن و انتقال می توان حجم تصویر ذخیره شده را به طور قابل توجهی کاهش داد.


در این روش نرم افزار نمایشگر شما هنگامی که می خواهد تصویر را بازسازی کند، باید ابتدا بلوک کوچک را شبیه سازی کرده ، سپس عملگرهای ریاضی را روی آن اعمال کند، تا نتیجه نهایی حاصل شود.


به نظر می رسد این روش می تواند حجم نهایی را به شکل قابل ملاحظه ای کاهش دهد، اما تنها یک مشکل کوچک وجود دارد و آن هم این نکته است که همه اشیای اطراف ما برگ سرخس نیستند و بنابراین الگوهای تکرار در آنها همیشه اینقدر آشکار نیست.


بنابراین باید روشی بتواند الگوهای فراکتالی حاضر در یک تصویر را شناسایی کنند و در صورت امکان آن را اعمال کند.


به همین دلیل ، معمولا روش فراکتالی با روشهای فشرده سازی دیگر همزمان به کار برده می شود؛ یعنی اگر الگوهای تکرار چندان پررنگ نبودند، بازهم فشرده سازی امکانپذیر باشدالبته زیاد نگران ناکارامدی این روش نباشید. یادتان نرود، شما در جهانی زندگی می کنید که براساس یافته جدید ساختاری آشوبناک دارد.


مطمئن باشید هندسه فراکتال بر بسیاری از اشکال عالم حاکم است ؛ حتی اگر در نگاه اول چندان آشکا ر نباشد.