耳機容易打結是因為耳機線材的特殊性決定的，與一般的線材不一樣，耳機線基本上都是包裹著熱塑彈性材料的金屬絲的，材質非常柔軟，且長寬比例極度失調，使得耳機線十分的不穩定，非常容易左右前後彎曲，甚至圍繞中軸發生扭轉。所以線上材沒有一定突破的情況下，耳機線由於其材質本身的物理特性，使得其極易纏繞在一起。 除此之外，還有一部分原因是外力因素。

如果說解決辦法

只能說每次用完整理好收納起來

我老婆給我弄了個類似釣魚用的綁魚鉤魚線用的先泡沫，永遠繞幾圈卡住就行，下次用拿出來就行。

如果說你連收拾都懶的收那基本GG了

聽說現在某寶有賣一種類似拉鍊的懶人耳機，耳機的線就像我們衣服的拉鍊，用完拉鍊一拉就行，不過沒試過好不好用

平時收納多花三秒，就不會打結了。我最常用的方法就是直接把耳機線兩次對摺後打個活結。用的時候抽開結很方便，因為打的結很鬆，也不用擔心會損壞耳機線。簡單示意圖如下

如果在家耳機不用，我一般都是直接掛牆

其實這個問題大家生活中都是經常遇到的，因為耳機線的材料是很柔軟的，並且頭還比較多，很容易卷在一起，讓我們在使用過程中很煩惱。

要解決這樣的問題我們首先要有一個良好的習慣，在使用完耳機後花個幾十秒到一分鐘把它有序的纏繞起來，就像我們之前買的廉價耳機那樣，那是沒有收納盒，但是也沒有打結吧。再一個就是你是放在口袋還是收納盒或者是收納袋裡，如果是放在兜裡，手在裡面進進出出，就算是收拾好了，還是容易亂，所以有收納盒的就放在收納盒裡或者收納袋裡，沒有收納盒或者收納袋的放在衣服的上口袋或者不常用的口袋裡。

最後的最後，再給你一個建議，如果帶著耳機很容易打結，那就別帶啊，菲爾普斯山寨防水機，可以當充電寶的手機，可以跳廣場舞的手機，從此遠離充電線，遠離耳機。菲爾普斯山寨防水機，山寨機就是牛

其實捲成這個樣可以更具形態穩定性。保證到外面跑步仰臥起坐深蹲脫褲子游泳然後去商店蹭iPad玩再去吃頓午飯後拿出來一看，還是這個圈圈的形狀。

這讓我有這麼一個猜想：在近似二維平面的褲子口袋裡，耳機線其實不會發生很大的形變。「不會大規模形變」意思就是人放進去它什麼樣，拿出來它就差不多是什麼樣。那，為何還是會有些耳機線會亂七八糟的呢？——因為它們放進去的時候就是亂的！

好吧，現在說說我的模型。

——————————————我思路是這樣的：將耳機線視為一截平面上的定長光滑曲線（口袋裡空間狹窄，視為二維）。其形狀的引數方程其中x(t)、y(t)是任意函式，但它們需要滿足條件(※)：x(t)、y(t)都在整段區間(a,b)內有連續導函式，且有而其形態變化在人活動的過程中，是一個布朗運動：整個步驟會迭代若干次；每一次迭代都會在曲線上隨機取點，然後給予這些個點一些微小的偏移（即視這些點視為褲子口袋的摩擦運動受力點），然後按這些點的取樣順序重新擬合一條曲線——新得到的曲線要求符合條件(※)。一直得到適當次的迭代後，就可以分析初始曲線與最後曲線的形態差異了。

思路就是這樣。

——————————————實際寫程式碼時，經歷了好一番掙扎，也有到貼吧提問，還是找不到非常合適的方法。

只好在現實與模型之間作了一點妥協 (理想假設)：

不視耳機繩為任意的光滑曲線，而是用任意的Bessel曲線取代；Bessel曲線的生成點 (它們落在曲線上) 視為受力點；每一次迭代施力時，受力點都相同；對所有點的施力效果都一樣 (都是給定範圍的隨機波動)；施力過程是離散的，也即一整批一整批地改變點的位置，而非持續不斷地施力改變點的位置；

很不靠譜的假設，對吧？咳咳，反正，姑且承認它們就行了。為了方便嘛。

7月24日，終於乘空完成了程式碼我這是有多閒啊……

以下是Mathematica的作圖與計算程式碼

——————————————(*繪製Bessel曲線的函式*)bessel[array_, t_] := Module[{result, length, parameter, varl}, result = 0;length = Length[array] - 1;If[t == 0, result = array[1], If[t == 1, result = array[-1], For[var1 = 0, var1 <= length, var1++, result = result + length!/(var1!*(length - var1)!)*t^var1*(1 - t)^(length - var1)*array[var1 + 1];];];];result];

(*r 是點集的取值範圍*)r = 10;(*n 是點集中點的數量*)n = 20;(*p 是中途步驟施力撥動曲線的幅度*)p = 5;(*m 是施力的次數*)m = 10;

(*生成曲線的點集*)initarray = Table[{r - 2 r RandomReal[], r - 2 r RandomReal[]}, {i, 1, n}];

(*從點集中提取橫座標集和縱座標集*)setpara[arr_] := Module[{var1, array, arrx, arry}, array = Flatten[arr];arrx = {};arry = {};For[var1 = 1, var1 <= Length[array]/2, var1 += 1, arrx = Append[arrx, array[2 var1 - 1]];arry = Append[arry, array[2 var1]];];{arrx, arry}];

(*用引數方程畫出初始狀態的Bessel曲線*)initarrx = setpara[initarray][1];initarry = setpara[initarray][2];StringJoin["The initial Bessel curve is set by:", ToString[initarray]initimg = ParametricPlot[{bessel[initarrx, t], bessel[initarry, t]}, {t, 0, 1}];initzoom1 = Total[EuclideanDistance @@@ Partition[First@Cases[Normal@initimg, Line[a_] :> a, Infinity], 2,1];newinitimg = ParametricPlot[{bessel[initarrx, t]/initzoom1, bessel[initarry, t]/initzoom1}, {t, 0, 1}]initlist = Table[{bessel[initarrx, t]/initzoom1, bessel[initarry, t]/initzoom1}, {t, 0, 1, 0.02}];initlength = Total[EuclideanDistance @@@ Partition[First@Cases[Normal@newinitimg, Line[a_] :> a, Infinity],2, 1];StringJoin["Its length is: ", ToString[initlength]

(*迭代，m次移動點集中的點，作類布朗運動*)

finalarray = Flatten[initarray];l = Length[finalarray];For[w = 1, w <= m, w++, {For[d = 1, d <= 5, d++, id = RandomInteger[Floor[l/2] - 1];finalarray[2 id + 1] += (p - 2 p RandomReal[]);finalarray[2 id + 2] += (p - 2 p RandomReal[]);Clear[id];]}]finalarray = Partition[finalarray, 2];

(*畫出終末狀態的Bessel曲線*)finalarrx = setpara[finalarray][1];finalarry = setpara[finalarray][2];StringJoin["The latest Bessel curve is set by:", ToString[finalarray]finalimg1 = ParametricPlot[{bessel[finalarrx, t], bessel[finalarry, t]}, {t, 0, 1}];finalzoom1 = Total[EuclideanDistance @@@ Partition[First@Cases[Normal@finalimg1, Line[a_] :> a, Infinity], 2, 1];newfinalimg = ParametricPlot[{bessel[finalarrx, t]/finalzoom1, bessel[finalarry, t]/finalzoom1}, {t, 0, 1}]finallist = Table[{bessel[finalarrx, t]/finalzoom1, bessel[finalarry, t]/finalzoom1}, {t, 0, 1, 0.02}];finallength = Total[EuclideanDistance @@@ Partition[First@Cases[Normal@newfinalimg, Line[a_] :> a, Infinity], 2, 1];StringJoin["Its length is: ", ToString[finallength]

(*對點集作統計分析，計算前後的相關係數*)CorrelationTest[initlist, finallist, {"TestDataTable", All}]

——————————————上面的程式碼是可以放在Mathematica裡執行的。我只貼出其中三次執行的結果。========================點集取值範圍 10點的數目 20撥動的幅度 10撥動的次數 20Spearman指數是 -0.0753846其P值是 0.0595879========================點集取值範圍 10點的數目 20撥動的幅度 5撥動的次數 20

Spearman指數是 -0.260452其P值是 0.21457========================點集取值範圍 10點的數目 20撥動的幅度 10撥動的次數 10Spearman指數是 -0.0714027其P值是 0.572712

但……抱歉得很，我沒學過統計學，所以不知道如何測評這個結果。

不過，粗略地看結果，可以知道本模型的一個很粗糙的結論：若施力次數和施力強度限制在某個範圍內，繩子的形態會保持穩定。——那不是廢話嗎！！是的，其實大部分數學模型的定性結論聽起來都是廢話。而「不是廢話」的結論，還需要作定量分析。但我不繼續了，因為那需要繼續給程式碼不斷添料。

——————————————對了，也許有同學不知道Bessel曲線是什麼。玩過Photoshop的同學一定用過它的啦。關於它的作圖方法，很多地方都有介紹。