多线程曼德布罗集

Question

是否可以将 mandelbrot 集的公式（默认为 f(z) = z^2 + c）更改为不同的公式（ f(z) = z^2 + c * e^(- z) 是我需要的) 使用转义时间算法时，如果可能的话如何？ 我目前正在通过 FB36 使用此代码

# Multi-threaded Mandelbrot Fractal (Do not run using IDLE!)
# FB - 201104306
import threading
from PIL import Image
w = 512 # image width
h = 512 # image height
image = Image.new("RGB", (w, h))
wh = w * h
maxIt = 256 # max number of iterations allowed
# drawing region (xa < xb & ya < yb)
xa = -2.0
xb = 1.0
ya = -1.5
yb = 1.5
xd = xb - xa
yd = yb - ya
numThr = 5 # number of threads to run
# lock = threading.Lock()

class ManFrThread(threading.Thread): 
    def __init__ (self, k):
          self.k = k
          threading.Thread.__init__(self)
    def run(self):
        # each thread only calculates its own share of pixels
        for i in range(k, wh, numThr):
            kx = i % w
            ky = int(i / w)
            a = xa + xd * kx / (w - 1.0)
            b = ya + yd * ky / (h - 1.0)
            x = a
            y = b
            for kc in range(maxIt):
                x0 = x * x - y * y + a
                y = 2.0 * x * y + b
                x = x0                
                if x * x + y * y > 4:
                    # various color palettes can be created here
                    red = (kc % 8) * 32
                    green = (16 - kc % 16) * 16
                    blue = (kc % 16) * 16
                    # lock.acquire()
                    global image
                    image.putpixel((kx, ky), (red, green, blue))
                    # lock.release()
                    break

if __name__ == "__main__":
    tArr = []
    for k in range(numThr): # create all threads
        tArr.append(ManFrThread(k))
    for k in range(numThr): # start all threads
        tArr[k].start()
    for k in range(numThr): # wait until all threads finished
        tArr[k].join()
    image.save("MandelbrotFractal.png", "PNG")

Answer 1

从代码中我推断出z = x + y * i 和c = a + b * i。这对应于f(z) - z ^2 + c。你想要f(z) = z ^2 + c * e^(-z)。

回想一下e^(-z) = e^-(x + yi) = e^(-x) * e^i(-y) = e^(-x)(cos(y) - i*sin(y)) = e^(-x)cos(y) - i (e^(-x)sin(y))。因此，您应该将您的行更新为以下内容：

x0 = x * x - y * y + a * exp(-x) * cos(y) + b * exp(-x) * sin(y);
y = 2.0 * x * y + a * exp(-x) * sin(y) - b * exp(-x) * cos(y)
x = x0

如果您没有达到您所追求的特征差异化水平，您可能需要调整 maxIt（平均而言，现在可能需要更多或更少的迭代才能逃脱）但这应该是您的数学表达式重来。

正如 cmets 中所指出的，您可能需要调整标准本身，而不仅仅是最大迭代次数，以获得所需的差异化水平：更改最大迭代次数对那些永远不会逃脱的人没有帮助。

你可以尝试推导出一个好的逃生条件，或者只是尝试一些东西，看看你会得到什么。