曼德博集合（Mandelbrot Set）

所有让迭代 z_{n+1} = z_n² + c（从 z₀ = 0 出发）保持有界的复数 c 构成的集合。一句话定义，无限复杂的边界。

定义

对复数 c，考虑迭代

z₀ = 0
z_{n+1} = z_n² + c

曼德博集合 M 定义为所有使轨道 {z_n} 有界的 c：

M = { c ∈ ℂ : sup_n |z_n| < ∞ }

由于 |z| > max(|c|, 2) 之后必然发散，判据可简化为：只要某一步 |z_n| > 2，就立刻判定 c ∉ M。因此 M 包含在半径 2 的闭圆盘内，是紧集。这个”超过 2 就逃逸”的界，也是渲染算法的全部基础。

结构

M 不是一团混沌，它有极其规整的分层结构：

区域	含义	参数位置
主心形（main cardioid）	吸引不动点存在的区域	边界 `c = e^{iθ}/2 − e^{2iθ}/4`
周期 2 圆盘	吸引 2-周期轨道	圆心 `c = −1`，半径 `1/4`
其余周期泡	周期 4、8、16… 及所有有理旋转数	沿 ∂M 按 Farey 序挂接
实轴切片	`M ∩ ℝ = [−2, 1/4]`	对应 logistic 映射的倍周期级联

实轴这一段把曼德博集合与熟悉的倍周期分岔图接了起来：c 从 0.25 向左移动，先是不动点，然后在 c ≈ −0.75 处分岔为周期 2，再是 4、8、16……分岔点间距比收敛到 Feigenbaum 常数 δ ≈ 4.669201609。这个常数与具体映射无关，是目前已知最强的普适性之一。

严格成立的性质

连通性：M 是连通的，且补集在黎曼球面上也连通，因此 M 是”满的”且单连通的（Douady–Hubbard，1982）。这个证明引入了外部射线（external rays）理论，是复动力系统的里程碑。
边界维数：∂M 的 Hausdorff 维数等于 2（Shishikura，1991）。维数是整数，但边界不是光滑曲线，这抵消了”维数不是整数才是分形”的常见误解。
面积：M 面积有限，精确值未知，数值约 1.50659188。边界是否为零测度仍未解决。
准自相似：M 在每个边界点的任意小邻域里都包含自身的拟共形副本（无数个”小曼德博”）。但它不是严格自相似——不是迭代函数系（IFS）那种有限规则拼出来的分形。
Julia 集判定：c ∈ M 当且仅当对应 Julia 集 J_c 连通；c ∉ M 时 J_c 是 Cantor 尘（完全不连通）。M 本质上是二次多项式族的连通性 locus / 分岔 locus。

仍未解决

MLC 猜想：M 的边界是否局部连通。这是复动力系统最著名的开放问题之一。
双曲性稠密猜想：双曲分支（有吸引周期轨道的参数）是否在 M 中稠密。MLC 可推出它。
面积精确值：只能数值逼近，没有闭式表达。

渲染工程

渲染曼德博集合是”规则极简、工程极难”的典型，也是 GPU 与浮点算力的经典压力测试。

逃逸时间算法（escape time）

for n in 1..N:
    z = z² + c
    if |z|² > 4: break        # 逃逸
# n 越大，说明 c 越接近 M；n == N 视为内部

按逃逸步数着色就是最基本的图。三个关键优化：

光滑着色：出界后用 μ = n + 1 − log₂(log₂|z|) 做连续插值，消掉条带
内部快速判据：直接判断 c 是否落在主心形或周期 2 圆盘内，命中即跳过整个迭代，内点占比极高时提速显著
周期检测：迭代中缓存参考点，发现轨道成环即可提前终止

深放大：精度是硬门槛

double 只有约 15–16 位有效十进制数字，放大到 10⁻¹⁵ 量级后像素间距小于表示精度，画面会退化成块状。深放大必须解决精度问题：

方案	做法	代价
任意精度浮点	MPFR/GMP，或自研定点数	每次运算几十到几百倍慢
扰动理论（perturbation）	用任意精度只算一条参考轨道，其余像素用 `float` 算参考轨道的增量 `δ`	高精度计算量与像素数解耦，是深放大的主流
级数近似	用低阶多项式外推参考轨道，跳过前若干次迭代	与扰动理论配合，进一步压缩迭代次数

扰动理论 + 级数近似是把曼德博集合推到 10⁻¹⁰⁰⁰ 量级放大的关键（NanoMB、Kalles Fraktaler 等实现的核心）。它本质上是一个数值稳定性重构：把”每个像素各自高精度迭代”换成”一条高精度参考轨道 + 大量低精度增量”。

性能特征

易并行：像素间完全独立，天然适合 GPU，共享参考轨道可放进 shared memory
算力受限而非访存受限：核心是稠密浮点循环，正好是 flops-estimation 里”算术强度高 → 打满 FLOPS”的那一类负载
迭代次数是主成本：总复杂度约 O(像素数 × 迭代上限)，而迭代上限必须随放大倍数增长，否则边界细节会丢失
内部像素是浪费：M 内部永远不逃逸，必须靠数学判据提前识别，否则纯烧满迭代上限

因此它出现在大量 GPU 基准测试、FP64 吞吐量对比和分布式算力演示里——规则对小学生可讲清，实现却能把任意硬件压到极限。

常见误解

误解	实际
曼德博集合是自相似的	它是准自相似：包含自身的拟共形副本，但没有有限 IFS 规则
维数不是整数才算分形	其边界 Hausdorff 维数恰好是 2（整数）
它是 Julia 集的一种	它是参数空间；每个 `c` 对应一个 Julia 集，`M` 是这些 Julia 集的连通性地图
只有模 2 边界算集合，颜色也算	集合本身只有”属于/不属于”两态，所有颜色都是可视化选择
放大到极限能看到无限细节的”最终答案”	细节无限，但精度和迭代上限决定你能看到哪一层

zhaoweiguo 的知识库

目录