混沌游戏(Chaos Game)Part 2 实战解析:用可变种子点、概率与移动比例生成多样分形(Coding Train CC_123.2)

原创2026-10-12 23:43:141,707 阅读
文章标签:教程文档示例工程

混沌游戏(Chaos Game)Part 2 实战解析:用可变种子点、概率与移动比例生成多样分形(Coding Train CC_123.2)

导读

本文基于 Coding Train 网站存档仓库中的 123.2-chaos-game.md 文档,深入讲解「混沌游戏(Chaos Game)」第二部分的实现与扩展思路。第一部分用 3 个固定种子点画出了经典的谢尔宾斯基三角形;第二部分的核心主题是通过调整种子点数量、选择概率与每次移动的比例(percentage moved),从同一套迭代规则中演化出截然不同的分形图案。读完本文,你将掌握混沌游戏的通用化建模方法,理解 lerp 插值、种子点分布与「避免重复顶点」规则对最终图案的影响,并能够直接运行或改写仓库中 p5.js 与 Processing 两个版本的完整源码。

一、挑战背景:从固定三点到通用 N 点

1.1 文档定位与前置知识

本挑战是两集连播中的第二集(video_number 123.2,发布于 2018-11-29),对应仓库目录 CC_123_ChaosGame_2,前置部分为 123.1-chaos-game.md。原文档对第二集的定位写得很清楚:

In the second part of the "Chaos Game" coding challenge, I vary the number of seed points, probability, and percentage moved to generate other fractal patterns.

即:第一部分只关注「3 个种子点 → 谢尔宾斯基三角形」这一特例,第二部分则把算法抽象成可调节参数的系统,通过改变三个关键量——种子点数量(number of seed points)、概率(probability)与移动比例(percentage moved)——来探索更广的分形空间。

第一部分固定三个顶点的方式是硬编码的:在 CC_123_ChaosGame_1/P5/sketch.js 中,三个顶点分别写死为「上中、左下、右下」,然后用 floor(random(3)) 等概率选一个顶点、向它移动 50%:

let r = floor(random(3));
if (r == 0) {
  stroke(255, 0, 255);
  x = lerp(x, ax, 0.5);
  y = lerp(y, ay, 0.5);
} else if (r == 1) {
  ...
}

1.2 第二部分的核心重构思路

第二部分的代码把「顶点」从三个硬编码变量推广为任意数量组成的数组。仓库中的 p5.js 版本 CodingChallenges/CC_123_ChaosGame_2/P5/sketch.js 仅用 56 行代码就完成了这一抽象,核心数据结构如下:

let points;      // 种子点(顶点)数组
let current;     // 当前迭代点
let percent = 0.5;  // 每次向目标点移动的比例
let previous;    // 上一次被选中的种子点(用于避免连续重复)

这种「数据驱动」的写法正是本集的教学重点:把参数提取为变量(n、percent),算法循环不再关心具体有几个顶点、顶点的颜色和位置,而是统一处理数组。

二、种子点生成:让顶点均匀分布在圆上

2.1 源码实现

在 setup() 中,第二部分不再手工指定三角形三个角,而是用极坐标把 N 个种子点均匀摆放在以画布中心为圆心的圆周上:

function setup() {
  createCanvas(windowWidth, windowHeight);
  points = [];
  const n = 5;                       // 种子点数量,可自由改动

  for (let i = 0; i < n; i++) {
    // let v = createVector(random(width), random(height)); // 备选:随机撒点
    let angle = (i * TWO_PI) / n;    // 均分圆周角度
    let v = p5.Vector.fromAngle(angle);
    v.mult(width / 2);               // 以半径放大到画布
    v.add(width / 2, height / 2);    // 平移到画布中心
    points.push(v);
  }

  reset();
}

2.2 逐行拆解

  • angle = (i * TWO_PI) / n:将 2π 均分成 n 份,第 i 个顶点位于角度 i * 2π / n 处。默认 n = 5 时,五个顶点构成正五边形的五个角。
  • p5.Vector.fromAngle(angle):由角度构造单位向量,等效于 createVector(cos(angle), sin(angle))。Processing 版本中对应的调用是 PVector.fromAngle(angle)(见 CC_123_ChaosGame_2.pde 第 19-23 行),二者 API 几乎一致。
  • v.mult(width / 2):把单位向量放大到「画布宽度的一半」,使圆周正好内切于画布,种子点不会超出窗口。
  • v.add(width / 2, height / 2):把坐标平移到画布中心,因为 fromAngle 生成的向量默认原点在 (0, 0)。
  • 被注释掉的 createVector(random(width), random(height)) 是另一种种子布局思路(随机撒点),保留了两种方案供对比实验。

reset() 负责把当前点随机初始化到画布内任意位置、清屏并重新描出种子点:

function reset() {
  current = createVector(random(width), random(height));
  background(0);
  stroke(255);
  strokeWeight(8);
  for (let p of points) {
    point(p.x, p.y);
  }
}

注意两点:一是 current 的初始位置完全随机,不影响最终图案(这正是混沌游戏的「吸引子」特性);二是种子点用 strokeWeight(8) 的大圆点单独标出,方便观察。

三、迭代核心:随机选择、防重复与 lerp 移动

3.1 draw() 主循环

每一帧执行 1000 次迭代(第一部分每帧只有 100 次),这是为了让图案更快成形:

function draw() {
  if (frameCount % 100 == 0) {
    //reset();   // 可选:每 100 帧清屏重置,默认关闭
  }

  for (let i = 0; i < 1000; i++) {
    strokeWeight(1);
    stroke(255);
    let next = random(points);       // 等概率随机选一个种子点
    if (next !== previous) {         // 关键规则:禁止连续选中同一个顶点
      current.x = lerp(current.x, next.x, percent);
      current.y = lerp(current.y, next.y, percent);
      point(current.x, current.y);   // 在当前位置落一个像素
    }
    previous = next;                 // 记录本次选择
  }
}

3.2 三个可调参数与文档的对应关系

文档所述参数 源码中的载体 作用与取值范围 改动后的效果
种子点数量(number of seed points) const n = 5(setup 内) 任意正整数,仓库默认 5 顶点布局从三角形变为正四边形、正五边形、正六边形……分形图案随之改变
概率(probability) random(points) 等概率选取 + next !== previous 排除规则 均匀分布;若改成加权选取或去掉防重复规则,图案形态会明显变化 概率分布决定每个顶点的「吸引力」权重,是探索变体的重要旋钮
移动比例(percentage moved) let percent = 0.5 取值 (0, 1) 区间,仓库默认 0.5 决定新点向目标顶点靠近的程度,直接影响分形结构的间隙与形态

3.3 为什么「禁止连续重复」如此关键

if (next !== previous) 这一行是整个第二部分最重要的规则之一。若允许连续选择同一个顶点,点会在「当前位置与同一顶点」之间反复往返,永远收敛不到分形结构;而强制每次选择不同的顶点后,轨迹才能不断向图形内部弥散。从实现细节看,previous 在每次迭代末尾统一更新(previous = next;),因此即使某次选择因重复而被跳过,下一轮判断依然基于最近一次真正参与迭代的顶点,逻辑是自洽的。

3.4 帧率与累积

每帧 1000 次迭代乘以默认 60fps,图案会在数秒内迅速「显影」。源码中还保留了一段被注释的重置逻辑(frameCount % 100 == 0 时调用 reset()),若取消注释,画布会周期性清空重绘,产生「一次次重新生长」的动画效果——这也是一个可以自行实验的开关。

四、Processing 移植版:同一算法的 Java 形态

仓库同时提供了 Processing 版本 CodingChallenges/CC_123_ChaosGame_2/Processing/CC_123_ChaosGame_2/CC_123_ChaosGame_2.pde,逻辑与 p5.js 版一一对应:

PVector[] points;
PVector current;
float percent = 0.5;
PVector previous;

void setup() {
  fullScreen();
  int n = 5;
  points = new PVector[n];

  for (int i = 0; i < n; i++) {
    float angle = i * TWO_PI / n;
    PVector v = PVector.fromAngle(angle);
    v.mult(width / 2);
    v.add(width / 2, height / 2);
    points[i] = v;
  }
  reset();
}

两者仅有少量语言层面的差异,值得注意的移植点包括:

  • 画布模式:p5.js 用 createCanvas(windowWidth, windowHeight),Processing 用 fullScreen()。
  • 数组与随机选择:p5.js 用 random(points) 直接从数组取元素;Processing 用 points[floor(random(points.length))] 先取下标再访问。
  • 对象引用比较:Java 中 next != previous 比较的是 PVector 引用。由于每次循环都从数组中重新取出元素,previous 记录的是上一次的数组引用,引用比较在此处恰好等价于「是否同一个顶点」,逻辑成立。
  • 遍历写法:描点使用增强 for 循环 for (PVector p : points),与 p5.js 的 for (let p of points) 结构一致。

五、运行与实验指南

5.1 三种运行方式

  1. p5.js 在线编辑器:文档 front matter 中记录了本挑战的在线编辑器 ID ByF-2qK0X(web_editor 字段),可直接在 p5.js Web Editor 中打开体验。
  2. 本地浏览器运行:直接打开 CodingChallenges/CC_123_ChaosGame_2/P5/index.html。该页面通过 CDN 引入 p5.js 1.4.1(https://cdn.jsdelivr.net/npm/p5@1.4.1/lib/p5.min.js),再加载同目录下的 sketch.js,无需安装任何依赖。
  3. Processing 桌面端:用 Processing IDE 打开 CC_123_ChaosGame_2.pde 直接运行(fullScreen() 会使用全屏窗口)。

5.2 推荐实验组合

实验 修改位置 预期观察(基于算法性质的推断)
回到谢尔宾斯基三角形 把 n 改为 3,percent 保持 0.5 圆形分布的 3 个顶点与第一部分的三角形布局等价,图案逼近谢尔宾斯基三角形
正五边形分形 保持默认 n = 5 观察 5 顶点下的分形结构与三角形形态的差异
改变移动比例 把 percent 改为 0.3 或 0.7 插值比例越大,点越接近目标顶点,图案边界与疏密随之变化
去掉防重复规则 注释 if (next !== previous) 轨迹会因反复向同一顶点靠拢而失去弥散性,图案退化

说明:第一部分文档已明确确认「3 个种子点 → 谢尔宾斯基三角形」这一结果;其余组合的具体视觉效果属于探索性实验,建议以实际运行为准。

六、延伸学习与相关资源

  • 本系列第一部分:123.1-chaos-game.md,讲解 3 个种子点与谢尔宾斯基三角形的实现。
  • ES6 const 教学视频:文档的 videos 字段关联了 16.2-const.md。本挑战源码大量使用 const 声明(如 const n = 5、const angle),正是这一 ES6 特性在实际项目中的典型应用——n 在 setup() 内固定后不再重新赋值,用 const 声明既能表达意图又能避免误改。
  • 算法背景:混沌游戏(Chaos Game)是一个经典的迭代函数系统(IFS)示例——通过重复的随机选择与插值移动,确定性规则在统计意义上收敛出稳定的分形结构。文档中同时列出了相关参考链接(Wikipedia 的 Chaos Game 词条等),可在联网环境下进一步阅读。
  • 社区变体:第一部分文档的 contributions 字段收录了多种社区实验,例如 Barnsley Fern 变体、WebGL 版本、交互式界面等,可作为继续扩展的灵感来源。

七、小结

混沌游戏第二部分的精髓不在于某个具体分形,而在于参数的抽象化:种子点从硬编码的三个变量变成圆周均匀分布的数组,移动比例从写死的 0.5 变成可调变量,概率规则用「等概率选择 + 防重复」显式化。仓库中 p5.js 版本与 Processing 版本 以几乎相同的结构呈现了这套算法,你只需改动 n 与 percent 两处,就能在几分钟内遍历出大量风格迥异的分形图案——这正是编程让数学可视化变得触手可及的绝佳例证。

登录后查看全文
website-archive