`
kofsky
  • 浏览: 206365 次
  • 性别: Icon_minigender_1
  • 来自: 重庆
社区版块
存档分类
最新评论

蚂蚁爬橡皮筋问题 之二

 
阅读更多

昨天想的是蚂蚁爬行的绝对距离,晚上睡觉的时候突然想到,可以用蚂蚁爬行相对橡皮筋的比例来计算。
比如说,蚂蚁爬行到了距离终点x的距离,那么只需要再爬行x/l(l为橡皮筋长度)比例的橡皮筋,那么就必定可以到达终点。
按照这个比例的想法,可以比较容易的确定蚂蚁爬行橡皮筋比例的上界与下界。
假设橡皮筋初始长度为l,蚂蚁爬行速度为v1,橡皮筋膨胀速度为v2
将蚂蚁爬行与橡皮筋膨胀两个过程分开
情形1:
假设蚂蚁先爬行,蚂蚁爬行的时候橡皮筋停止膨胀,爬行完毕后橡皮筋再膨胀,膨胀过程中蚂蚁停止
则1轮后,蚂蚁爬行的总距离占整个橡皮筋比例为 v1/l
  2轮后,蚂蚁爬行的总距离占整个橡皮筋比例为 v1/(l+v2)
  ..........
  n轮后,蚂蚁爬行的总距离占整个橡皮筋比例为 v1/(l+n*v2)
  也就是说n秒后,蚂蚁爬行的距离占整个橡皮筋的比例为:

 

情形2:
假设橡皮筋先膨胀,膨胀过程中蚂蚁停止爬行,膨胀完毕后蚂蚁开始爬行,蚂蚁爬行的时候橡皮筋停止膨胀
则1轮后,蚂蚁爬行的总距离占整个橡皮筋比例为 v1/(l+v2)
  2轮后,蚂蚁爬行的总距离占整个橡皮筋比例为 v1/(l+2*v2)
  ..........
  n轮后,蚂蚁爬行的总距离占整个橡皮筋比例为 v1/(l+(n+1)*v2)
  也就是说n秒后,蚂蚁爬行的距离占整个橡皮筋的比例为:


显然。蚂蚁在橡皮筋上面爬行的比例应该介于两者之间。


蚂蚁能否爬到终点就是比较s与1的大小。其实只要比较小的那个s2与1的大小就可以了。如果s2能够超过1,那么蚂蚁就能够爬到终点。s2感觉像一个有穷级数,而且,根据前面的模拟实验,这个级数应该是发散的。

问题是,该怎么求这个级数???

有待进一步的探讨。数学太磋了。

 

续:直接积分,按蚂蚁爬行距离占橡皮筋比例来讨论

假设经过时间t后,蚂蚁到达位置s,此时橡皮筋长度为L=l+v2t。由时间t经过时间dt后,蚂蚁爬行的距离为v1dt,由于时间短很小,因此可假定橡皮筋还来不及拉伸,在这段极短的时间dt内,蚂蚁爬行的距离占整个橡皮长度的比例为:

因此,因此,可以计算得经过时间t后,蚂蚁爬行占橡皮筋比例为:

 

即:

 

蚂蚁在经过时间t后的速度为:

观察一下,前面部分是一个常数,后面是一个log函数。验证了昨天的猜测。

经过时间t后蚂蚁距离终点距离为:

(这个距离也可以通过对速度积分来计算)

这个函数就比较复杂了。前面半截为1减去一个log函数,后面半截为一个线性函数,两个相乘,会是什么样子的曲线呢?可以模拟一下。

 

还有一个很关键的问题,就是,蚂蚁经过多少时间能到达终点?

用 r=1 计算得如下结果:

 

(注意要向上取整)

当l=100,v1=1,v2=10时,答案为:t = 10(e^10-1)=220 255,跟昨天模拟结果的略有差距,误差10s,应该是在时间t较长时,模拟的时间片段显得较大而导致误差。当修改参数使得t减小时,误差应该会变小直至没有误差;若修改参数使得t增大,这个误差会继续扩大。

从上面的公式可以看出,蚂蚁到达终点的时间与 v2/v1 密切相关。

也可以验证 昨天模拟得到的结论: 对蚂蚁速度v1最敏感,橡皮筋速度v2次之,橡皮筋长度l最不敏感

对v1最敏感是因为 v1初始值比较小,稍微修改都可能导致很大的变化。比如v1从1cm/s变到2cm/s,那么时间t就会有10(e^10-1)变到10(e^5-1),两者差e^5倍,这个差距是巨大的;而如果将v2由10cm/s变到20cm/s,差距仅为e^2倍,相比要小很多。


 

分享到:
评论

相关推荐

    使用C++实现小蚂蚁爬行

    在这个场景中,我们关注的是"使用C++实现小蚂蚁爬行"的问题。这个问题的核心是通过编程语言模拟蚂蚁在一条线上的运动行为,包括它们的相遇和方向变化。让我们深入探讨这个主题。 首先,我们需要理解问题的基本模型...

    小学奥数---行程问题.doc

    2. 蚂蚁与橡皮筋的问题:蚂蚁以每秒1厘米的速度爬行,而橡皮筋在偶数秒时伸长。在第9秒时,蚂蚁离A点的距离取决于橡皮筋的伸缩规律。每次伸长,蚂蚁之前爬过的路径也会加倍。需要计算橡皮筋伸长的次数和总长度。 3....

    小学数学教师解题比赛模拟题(转载43).pdf

    10. 小蚂蚁在橡皮筋上爬行,橡皮筋每次伸长两倍,计算第9秒时小蚂蚁离A点的距离。 11. 根据三个不同的数组成的所有三位数的和求最大的三位数,可以通过平均数的性质来解决。 12. 复制和粘贴的过程是一个指数增长的...

    小学数学教师进城选调考试模拟试卷含答案.doc

    10. **等比数列**:第十题中,蚂蚁在伸长的橡皮筋上爬行,橡皮筋每隔一段时间变为原来的2倍。这是一个等比数列问题,需要用到等比数列的通项公式。 11. **同余方程**:第十一题是同余方程的应用,通过求解同余方程...

    Delphi 12.3控件之TraeSetup-stable-1.0.12120.exe

    Delphi 12.3控件之TraeSetup-stable-1.0.12120.exe

    基于GPRS,GPS的电动汽车远程监控系统的设计与实现.pdf

    基于GPRS,GPS的电动汽车远程监控系统的设计与实现.pdf

    基于MATLAB/Simulink 2018a的单机无穷大系统暂态稳定性仿真与故障分析

    内容概要:本文详细介绍了如何利用MATLAB/Simulink 2018a进行单机无穷大系统的暂态稳定性仿真。主要内容包括搭建同步发电机模型、设置无穷大系统等效电源、配置故障模块及其控制信号、优化求解器设置以及绘制和分析转速波形和摇摆曲线。文中还提供了多个实用脚本,如故障类型切换、摇摆曲线计算和极限切除角的求解方法。此外,作者分享了一些实践经验,如避免常见错误和提高仿真效率的小技巧。 适合人群:从事电力系统研究和仿真的工程师和技术人员,尤其是对MATLAB/Simulink有一定基础的用户。 使用场景及目标:适用于需要进行电力系统暂态稳定性分析的研究项目或工程应用。主要目标是帮助用户掌握单机无穷大系统的建模和仿真方法,理解故障对系统稳定性的影响,并能够通过仿真结果评估系统的性能。 其他说明:文中提到的一些具体操作和脚本代码对于初学者来说可能会有一定的难度,建议结合官方文档或其他教程一起学习。同时,部分技巧和经验来自于作者的实际操作,具有一定的实用性。

    【KUKA 机器人资料】:KUKA机器人剑指未来——访库卡自动化设备(上海)有限公司销售部经理邹涛.pdf

    KUKA机器人相关资料

    基于DLR模型的PM10–能见度–湿度相关性 研究.pdf

    基于DLR模型的PM10–能见度–湿度相关性 研究.pdf

    MATLAB/Simulink中基于电导增量法的光伏并网系统MPPT仿真及其环境适应性分析

    内容概要:本文详细介绍了如何使用MATLAB/Simulink进行光伏并网系统的最大功率点跟踪(MPPT)仿真,重点讨论了电导增量法的应用。首先阐述了电导增量法的基本原理,接着展示了如何在Simulink中构建光伏电池模型和MPPT控制系统,包括Boost升压电路的设计和PI控制参数的设定。随后,通过仿真分析了不同光照强度和温度条件对光伏系统性能的影响,验证了电导增量法的有效性,并提出了针对特定工况的优化措施。 适合人群:从事光伏系统研究和技术开发的专业人士,尤其是那些希望通过仿真工具深入理解MPPT控制机制的人群。 使用场景及目标:适用于需要评估和优化光伏并网系统性能的研发项目,旨在提高系统在各种环境条件下的最大功率点跟踪效率。 其他说明:文中提供了详细的代码片段和仿真结果图表,帮助读者更好地理解和复现实验过程。此外,还提到了一些常见的仿真陷阱及解决方案,如变步长求解器的问题和PI参数整定技巧。

    【KUKA 机器人坐标的建立】:mo2_base_en.ppt

    KUKA机器人相关文档

    风力发电领域双馈风力发电机(DFIG)Simulink模型的构建与电流电压波形分析

    内容概要:本文详细探讨了双馈风力发电机(DFIG)在Simulink环境下的建模方法及其在不同风速条件下的电流与电压波形特征。首先介绍了DFIG的基本原理,即定子直接接入电网,转子通过双向变流器连接电网的特点。接着阐述了Simulink模型的具体搭建步骤,包括风力机模型、传动系统模型、DFIG本体模型和变流器模型的建立。文中强调了变流器控制算法的重要性,特别是在应对风速变化时,通过实时调整转子侧的电压和电流,确保电流和电压波形的良好特性。此外,文章还讨论了模型中的关键技术和挑战,如转子电流环控制策略、低电压穿越性能、直流母线电压脉动等问题,并提供了具体的解决方案和技术细节。最终,通过对故障工况的仿真测试,验证了所建模型的有效性和优越性。 适用人群:从事风力发电研究的技术人员、高校相关专业师生、对电力电子控制系统感兴趣的工程技术人员。 使用场景及目标:适用于希望深入了解DFIG工作原理、掌握Simulink建模技能的研究人员;旨在帮助读者理解DFIG在不同风速条件下的动态响应机制,为优化风力发电系统的控制策略提供理论依据和技术支持。 其他说明:文章不仅提供了详细的理论解释,还附有大量Matlab/Simulink代码片段,便于读者进行实践操作。同时,针对一些常见问题给出了实用的调试技巧,有助于提高仿真的准确性和可靠性。

    linux之用户管理教程.md

    linux之用户管理教程.md

    三菱PLC与组态王构建3x3书架式堆垛立体库:IO分配、梯形图编程及组态画面设计

    内容概要:本文详细介绍了利用三菱PLC(特别是FX系列)和组态王软件构建3x3书架式堆垛式立体库的方法。首先阐述了IO分配的原则,明确了输入输出信号的功能,如仓位检测、堆垛机运动控制等。接着深入解析了梯形图编程的具体实现,包括基本的左右移动控制、复杂的自动寻址逻辑,以及确保安全性的限位保护措施。还展示了接线图和原理图的作用,强调了正确的电气连接方式。最后讲解了组态王的画面设计技巧,通过图形化界面实现对立体库的操作和监控。 适用人群:从事自动化仓储系统设计、安装、调试的技术人员,尤其是熟悉三菱PLC和组态王的工程师。 使用场景及目标:适用于需要提高仓库空间利用率的小型仓储环境,旨在帮助技术人员掌握从硬件选型、电路设计到软件编程的全流程技能,最终实现高效稳定的自动化仓储管理。 其他说明:文中提供了多个实用的编程技巧和注意事项,如避免常见错误、优化性能参数等,有助于减少实际应用中的故障率并提升系统的可靠性。

    基于STM32的循迹避障小车仿真20250426(带讲解视频)

    基于STM32的循迹避障小车 主控:STM32 显示:OLED 电源模块 舵机云台 超声波测距 红外循迹模块(3个,左中右) 蓝牙模块 按键(6个,模式和手动控制小车状态) TB6612驱动的双电机 功能: 该小车共有3种模式: 自动模式:根据红外循迹和超声波测距模块决定小车的状态 手动模式:根据按键的状态来决定小车的状态 蓝牙模式:根据蓝牙指令来决定小车的状态 自动模式: 自动模式下,检测距离低于5cm小车后退 未检测到任何黑线,小车停止 检测到左边或左边+中间黑线,小车左转 检测到右边或右边+中间黑线,小车右转 检测到中边或左边+中间+右边黑线,小车前进 手动模式:根据按键的状态来决定小车的状态 蓝牙模式: //需切换为蓝牙模式才能指令控制 *StatusX X取值为0-4 0:小车停止 1:小车前进 2:小车后退 3:小车左转 4:小车右转

    海西蒙古族藏族自治州乡镇边界,矢量边界,shp格式

    矢量边界,行政区域边界,精确到乡镇街道,可直接导入arcgis使用

    基于IEEE33节点的主动配电网优化:含风光储柴燃多源调度模型的经济运行研究

    内容概要:本文探讨了基于IEEE33节点的主动配电网优化方法,旨在通过合理的调度模型降低配电网的总运行成本。文中详细介绍了模型的构建,包括风光发电、储能装置、柴油发电机和燃气轮机等多种分布式电源的集成。为了实现这一目标,作者提出了具体的约束条件,如储能充放电功率限制和潮流约束,并采用了粒子群算法进行求解。通过一系列实验验证,最终得到了优化的分布式电源运行计划,显著降低了总成本并提高了系统的稳定性。 适合人群:从事电力系统优化、智能电网研究的专业人士和技术爱好者。 使用场景及目标:适用于需要优化配电网运行成本的研究机构和企业。主要目标是在满足各种约束条件下,通过合理的调度策略使配电网更加经济高效地运行。 其他说明:文章不仅提供了详细的理论推导和算法实现,还分享了许多实用的经验技巧,如储能充放电策略、粒子群算法参数选择等。此外,通过具体案例展示了不同电源之间的协同作用及其经济效益。

    【KUKA 机器人资料】:KUKA 机器人初级培训教材.pdf

    KUKA机器人相关文档

    基于MATLAB的CSP电站与ORC综合能源系统优化建模及应用

    内容概要:本文详细介绍了将光热电站(CSP)和有机朗肯循环(ORC)集成到综合能源系统中的优化建模方法。主要内容涵盖系统的目标函数设计、关键设备的约束条件(如CSP储热罐、ORC热电耦合)、以及具体实现的技术细节。文中通过MATLAB和YALMIP工具进行建模,采用CPLEX求解器解决混合整数规划问题,确保系统在经济性和环境效益方面的最优表现。此外,文章还讨论了碳排放惩罚机制、风光弃能处理等实际应用场景中的挑战及其解决方案。 适合人群:从事综合能源系统研究的专业人士,尤其是对光热发电、余热利用感兴趣的科研工作者和技术开发者。 使用场景及目标:适用于需要评估和优化包含多种能源形式(如光伏、风电、燃气锅炉等)在内的复杂能源系统的项目。目标是在满足供电供热需求的同时,最小化运行成本并减少碳排放。 其他说明:文中提供了大量具体的MATLAB代码片段作为实例,帮助读者更好地理解和复现所提出的优化模型。对于初学者而言,建议从简单的确定性模型入手,逐渐过渡到更复杂的随机规划和鲁棒优化。

    网站设计与管理作业一.ppt

    网站设计与管理作业一.ppt

Global site tag (gtag.js) - Google Analytics