负反馈控制

首先，选择两个主体：

鹰  兔

要达到的目的是，抓住兔子，这样子就必须两者在空间上非常接近。

也就是距离差尽可能地小。

在这个过程中，是什么做的呢？

第一步，眼睛观察，确定相对距离差，然后大脑处理以后，使得相对差减小。通神经系统把这个神经冲动转化为翅膀的动作。 第一步，把兔子的各种信息转化为大脑能处理的信息量。

第二步，处理信息量，缩小可能性空间。

第三步，把信息输出去，转化为翅膀能理解的信息量。

在这个过程中，是相对距离在减小。这个控制过程一次次地执行。在整体上就呈现出相对距离不断地减小。也就是距离兔子越来越近。在这里，展现的就是连续控制的思路。

负反馈的本质在于设计一个目标查不断减少的过程，通过系统不断把自己控制后果比价，使得目标差在一次又一次控制中慢慢减少，最后达到控制的目的。

我们来分析一下啊这个过程，首先才能在一个目标差:可以是距离差，可以是高度差，可以是状态差。其次，这种目标差可以是细分的，不断分下去的。这里就出现问题，可分性。目标差到底可以分为几次。这里如果我们把这个问题具体化，例如运动几次就到底目的地点？目标差的可分性。那么，为什么要这样分呢？原因是选择主体的能力选择能力不足以一次性到底。只能一步步来，例如，我们 在千斤顶顶起轮胎的过程中。我们的目的是最后顶起来，这个状态和当前的状态有差值，我们要调整的是对千斤顶当前状态和最终状态的差值的差值  。

前行  执行计划：很不错，我补充一点。目标不仅有渐进式的，还有类别并列式的。

比如你要在书架上放书，随便一放，当然很容易，但是早的时候就可能非常困难，按分类摆放，找的话就很容易。

但是按什么分类放这就很随意，然后人为摆出一个分类之间的规律，就会把它更简单化。同样一个大分类之间它也可以分，但如果分的太详细，对于小书架来说精力就得不偿失。这就需要根据实际情况考虑可分程度。尤其是做数学，在解方程的时候约分，化简，因式分解，都可以在一步之内完成。

但如果人为的定义，先约分，再化简，再因式分解，对我来说就会更好。(也是亲身经历所以感慨一下)(也是暖一下回答)

白泽：我们首先确认了目标差的可分性。

现在我们来确认出现目标差以后自动出现某种减少目标差的反应。

这个是什么呢？出现出现目标差，自动减少一部分目标差。这里体现的是目标差的可分性。那么行动以后，再次提取信息，还是有目标差。

不过这个目标差比前一次的目标差小得多。在一次次地循环中，目标差正好符合我们的需求。假设一次能减少的目标差是k个单位

总得目标差是v个单位。   最能接受的最小目标差是f,那么可以出现公式：v--kx

第一，认识目标差的可分性，

第二是，明确目标差是需要多次去减少的，

第三个是，明确自己能接受的相对误差。

不对，我能接受的东西也是一个可能性区间。

区间上限和区间下限。  最后的目标差要在能接受的可能性空间里面波动。

理解了，把区间上限和下限的差值绝对化就行。把f指示为差值的绝对值就搞定。

7-kx/

总的目标差分为两种：一种是 调节以后减少的可能性空间，一种是还没减少的可能性空间。随着负反馈一次次地进行。前者在增加，后者在减少。我们的目的使得前者不断增加，后者不断减少。那么，这里就可以类比电脑提示下载文件进度的进度条。我下载书的时候，会提示已经下载完成百分之几。已经下载完的就是对下载完成目标的逼近的累积。还没下载的就是我们要减少的可能性空间。因此，这里可以使用进度条来衡量控制的程度，到了那一步。结束。

负反馈过程中，控制能力的增大。之前说控制能力是定义为之前和之后的可能性空间的比值。和我的是倒过来的，这里采用作者的定义。

  第一次是：

a/b

第二次是

b/c。

联系起来就是：

a/b  x  b/c=a/c

若是进行无穷次负反馈控制，那么控制能力是 最开始的可能性空间/最后的可能性空间

这显然比控制者单独控制一次时，之前和之后的比值大得多。

因此，这里有，负反馈控制使得控制者的控制能力增强。

后面的问题提到这，确实是的。这个有什么用呢？导弹打基地。直接发出去攻击要求的控制能力太高，不如让导弹自己修改相对距离差。通过负反馈来完成，这就只需要把导弹发出去，不必调准的那么精确。对控制能力的要求不那么高。显然，朝着一个方向发射比朝着远处的一个点发射容易的多。 结束。