(应用数学专业论文)生物种群模型和静态神经网络模型中的随机扰动分析.pdf_第1页
(应用数学专业论文)生物种群模型和静态神经网络模型中的随机扰动分析.pdf_第2页
(应用数学专业论文)生物种群模型和静态神经网络模型中的随机扰动分析.pdf_第3页
(应用数学专业论文)生物种群模型和静态神经网络模型中的随机扰动分析.pdf_第4页
(应用数学专业论文)生物种群模型和静态神经网络模型中的随机扰动分析.pdf_第5页
已阅读5页,还剩28页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

生物种群模型和静态神经网络模型中的随机扰动分析 摘要 运用动力学的方法研究种群生态学称为种群动力学,它主要研究种群个体数 量和结构的变化规律。因为它在生物资源的开发与管理,人口预测,经济学等领 域具有重要指导作用而被广泛研究。随着研究的深入,人们建立的数学模型也越 来越精细贴合实际。然而在目前有关种群动力学行为的众多研究成果中,研究确 定性模型的成果较多,研究不确定的随机扰动种群模型的工作偏少。本文研究了 具有随机扰动的种群共生模型和竞争模型的一些动力行为,得到了若干与确定性 模型不同的结论,完善了相关的理论【l 乏l 。 人工神经网络是目前国际学术热点之一,它在智能控制、模式识别、图像处 理、非线性优化计算、信号处理、传感技术、机器人、生态医学工程等众多领域 都有广泛的应用。随着遗传算法,蚁群算法的出现,神经网络可以实现很强的学 习和联想记忆功能,通过对每个神经元设置简单运行规则能够实现复杂的行为。 这使得神经网络的应用前景更加广阔,所以对神经网络的研究有着良好的发展前 景和重要的应用价值。从仿生学的角度看,人的大脑在处理事件时,对同一件事 件在不同的条件下,可能会做出不同的结论,甚至在完全一样的情况下也会有不 同的结论,所以实际上人的大脑对特定的信息进行处理时,输出结果可能并不是 确定的,而是符合某种概率分布,这就是一种随机现象。所以随机影响的神经网 络模型应该是更贴近实际的模型。另外,在大脑的各个神经元相互协作处理事情 时,神经元之间的信息传递是需要时间的,所以还应该考虑时滞的影响。目前对 随机时滞神经网络的研究还刚刚起步,有大量的问题亟待解决,在本文中我们将 对随机时滞神经网络的动力行为进行初步的定性研究,重点放在稳定性,鲁棒性 和随机扰动对模型的影响,所得结果对已有结论进行了推广网。 本文的安排如下:第一章简单介绍了种群动力学和人工神经网络;第二章利 用构造特殊函数方法证明了随机共生模型解的存在唯一性及其上限估计。第三章 利用随机李雅普诺夫函数方法证明了随机竞争模型平衡点的稳定性。第四章运用 随机李雅普诺夫泛函方法和线性矩阵不等式方法研究了带有马尔可夫跳跃参数 的静态神经网络指数稳定。第五章利用随机李雅普诺夫泛函,特征值方法和线性 矩阵不等式方法得到了随机时滞静态神经网络全局渐近鲁棒稳定的充分条件。 关键词:伊藤公式;共生模型;竞争模型;变时滞;静态神经网络;李雅普 诺夫泛函;全局指数稳定;鲁棒稳定。 s t o c h a s ticdjs t u r b a n c ea n aiy siso ns p e cie sm o d eis a n ds t a ricn e u r ain e t w o rkm o d eis a b s t r a c t s p e c i e sd y n a m i c si sas u b j e c tt h a ts t u d i e sp o p u l a r i o ne c o l o g yb yu s i n g t h ed y n a m i c sm e t h o d s i ti n v e s t i g a t e sm a i n l yt h ee v o l u t i v el a wo na m o u n t a n ds t r u c t u r eo fs p e c i e s i ti sw i d e l ya p p ll e di ne x p l o i t u r ea n d a d m i n i s t r a t i o no fb i o l o g yr e s o u r c e ,p o p u l a t i o nf o r e c a s t ,e c o n o m i c sa n d s oo n t h em a t h e m a t i c a l m o d e l sb e c o m em o r ea n dm o r ec o m p l i c a t e d w h i l em o s to ft h er e s u l t sa b o u ts p e c i e sd y n a m i c sa r ec o n f i n e dt o d e t e r m i n i s t i cm o d e l s ,f e wa b o u ts t o c h a s t i cm o d e l s i nt h i sp a p e r ,t h e d y n a m i c a lb e h a v i o ro fs t o c h a s t i cc o o p e r a t i v em o d e l sa n dc o m p e t i t i v e m o d e l si ss t u d i e d s o m ed i f f e r e n tc o n c l u s i o n sf r o mt h ed e t e r m i n i s t i c m o d eisa r eo b t a i n e d a r t i f i c i a ln e u r a ln e t w o r ki sav e r ya c t i v er e s e a r c ha r e ai nt h e s e y e a r s ,i ti sa p p l i e di na u t o m a t i c c o n t r o ls y s t e m s 、p a t t e r nr e c o g n i t i o n 、 i m a g ep r o c e s s i n g ,o p t i m i z a t i o n ,s i g n a lp r o c e s s i n g ,s e n s i n gt e c h n o l o g y r o b o t 、b i o m e d i c a le n g i n e e r i n ga n ds oo n a l o n gw i t ht h eg e n e t i ca l g o r i t h m a n dt h ea n tc o l o n yo p t i m i z a t i o n sa p p e a r a n c e ,n e u r a ln e t w o r k sc a nr e a l i z e s t r o n g e ra s s o c i a t i v em e m o r yf u n c t i o n t h r o u g he s t a b l i s h i n g s i m p l e m o v e m e n tr u l e st oe a c hn e u r o nc o m p l e xb e h a v i o rc a nb er e a li z e d t h i s c a u s e st h ea p p li c a ti o np r o s p e c to fn e u r a ln e t w o r k st ob eb r o a d e r t h e r e f o r et h er e s e a r c ho nn e u r a ln e t w o r k si sv e r yv a l u a b l e c o n s i d e r i n g f r o mt h eb i o n i c sa n g l e ,w h e no u rb r a i n sh a n d l et h ee v e n t ,w ep o s s i b l yd r a w d i f f e r e n tc o n c l u s i o n st ot h ei d e n t i c a lm a t t e ru n d e rd i f f e r e n tc o n d i t i o n s e v e ni nt h ec o m p l e t e l ys a m es i t u a t i o nw em a yh a v ed i f f e r e n tc o n c l u s i o n s t h e r e f o r ew h e no u rb r a i n sp r o c e s si n f o r m a ti o n ,t h eo u t p u tr e s u l tp o s s i b l y w i l ln o tb ed e f i n i t eb u tw i l lc o n f o r mt os o m ek i n do f p r o b a b i i i t y d i s t r i b u t i o r lt h i sw i l lb eo n ek i n do fr a n d o mp h e n o m e n o n t h e r e f o r et h e n e u r a ln e t w o r km o d e l sc o n s i d e r i n gs t o c h a s t i ca f f e c t ss h o u l db ef i n e r m o d e l s m o r e o v e r ,c e r e b r u m se a c hn e u r o nn e e d st oc o o p e r a t em u t u a l l yt h e p r o c e s s i n gm a t t e r t i m ei sr e q u i r e dw h e ni n f o r m a t i o nt r a n s m i t t i n ga m o n g n e u r o n s t h e r e f o r ew em u s tc o n si d e rt h ei n f l u e n c eo fti m ed el a y n o w ,t h e r e s e a r c ho ns t o c h a s t i cd e l a yn e u r a ln e t w o r k sj u s ts t a r t e d ,m a s s i v ew o r k n e e dp e o p l et od o t h i sp a p e rw i l lc o n d u c tt h es i m p l eq u a l i t a t i v e i n v e s t i g a t i o nt o t h es t o c h a s t i c d e l a y n e u r a l n e t w o r k ,s t a b i l i t y , r o b u s t n e s sa n dt h ei n f l u e n c eo fs t o c h a s t i cd i s t u r b a n c ea r ep l a c e dw i t h e m p h a s i s t h i sa r t i c l ea r r a n g e sa sf o l l o w s :t h ef i r s tc h a p t e ri sa ni n t r o d u c t i o n w es i m p l yi n t r o d u c es p e c i e sd y n a m i c sa n da r t i f i c i a ln e u r a ln e t w o r k s i n c h a p t e r2 ,u s i n gt h es t r u c t u r es p e c i a lf u n c t i o nm e t h o d ,w eh a v ep r o v e n t h ee x i s t e n c ea n du n i q u e n e s so ft h es o l u t i o nt ot h es t o c h a s t i cc o o p e r a t i v e m o d e la n de s t i m a t et h eu p p e rr a t eo ft h es o l u t i o n i nc h a p t e r3 ,w eh a v e p r o v e nt h es t a b i l i t yo ft h ee q u i l i b r i u mp o i n tb ys t o c h a s t i cl y a p u n o v f u n c t i o n i nc h a p t e r4 ,b a s e do nl y a p u n o v k r a s o v s k i if u n c t i o n a lt h e o r y a n dt h el i n e a rm a t r i xi n e q u a l i t y ( l m i ) a p p r o a c h ,w ef i n das u f f i c i e n t c r i t e r i ao fg l o b a le x p o n e n ti a ls t a b ili t yf o rs t a t i cn e u r a ln e t w o r km o d e l s w i t hti m e v a r y i n gd e l a y sa n dm a r k o v i a nj u m p i n gp a r a m e t e r s i nc h a p t e r5 , as u f f i c i e n tc o n d i t i o ni sg i v e nt og u a r a n t e et h eg l o b a la s y m p t o t i cr o b u s t s t a b i l i t yf o rs t o c h a s t i cs t a t i cn e u r a ln e t w o r km o d e l sw i t ht i m e v a r y i n g d e l a y sb yu s i n ge i g e n v a l u ea p p r o a c ha n dl y a p u n o v - k r a s o v s k i if u n c t i o n a l t h e o r y k e yw o r d s :肪1 :o r m u i a :c o m p e t i t i v em o d e i ;t i m e v a r y i n gd e i a y s :s t a r i c n e u r a in e t w o r k :l y a p u n o vf u n c t i o r l a i :g i o b a ie x p o n e n t i a is t a b iii t y : r o b u s ts t a b ii t y 独创声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其 他人已经发表或撰写过的研究成果,也不包含未获得 ( 洼;垫渔直墓他盏墨缱别直盟的:奎拦豆窒2 或其他教育机构的学位或证书使 用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 学位做作者签名纠签字日期切9 辟岁月z 7 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定j 有权保留并 向国家有关部门或机构( 如中国科学技术信息研究所等) 送交论文的复印件和磁 盘,允许论文被查阅和借阅。本人授权学校可以将学位论文的全部或部分内容编 入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位 论文。( 保密的学位论文在解密后适用本授权书) 学位论文作者签名:叫及豫 签字日期:伽萨,月7 自 学位论文作者毕业后去向: 工作单位: 通讯地址: 电话: 邮编 7 油 弛 肌 少 , 蒡 年 彦舢 最 瓤 签 日 师 字 导 签 生物种群模型和静态神经网络模型中的随机扰动分析 1 概述 1 1 种群生态学的产生、发展和国内外研究现状 种群( p o p u l a t i o n ) 是指在一定空间中同种个体的集合。种群生态学 ( p o p u l a t i o ne c o l o g y ) 是研究种群数量动态与环境相互作用关系的科学,是生 态学的重要分支,也是迄今数学在生态学应用较为广泛深入、发展较为成熟的 分支。早在1 6 世纪,我国明朝著名科学家徐光启就曾用数学的方法估算过人口 的增长,他说:“头三十年为一世 就人口大致每3 0 年增加一倍,这是把数学 用于种群生态的最早史例。英国神父m a l t h u s 在他1 7 9 8 年出版的著作中提出了 人口按几何级数增长的理论,虽然受到了不少人的责难,也确实存在着重要的 缺陷,但是,不少人口统计的数字表明m a l t h u s 人口模型在一定范围内是正确 的。1 9 0 0 年,意大利著名数学家v v l o t e r r a 在罗马大学的一次题为“应用数学 与生物和社会科学的尝试 【4 】的演讲,标志了生物数学发展的一个里程碑。1 9 2 6 年v l o t c r r a 发表了解释f i n m e 港鱼群变化的著名论文 5 1 ,使数学生态学的发展 一度达到高潮。不久,由于战争等因素,使刚刚兴起的数学生态学以及更广泛 的生物数学就寂静了下来。直到2 0 世纪5 0 年代,由于电子计算机的出现,重 新激励了生物数学,然而生物数学的蓬勃发展是近2 0 年来的事。近2 0 多年来, 生物数学各个领域中科研成果不断的涌现;有关生物数学的杂志增加了l o 倍左 右;联合国教科文组织于2 0 世纪7 0 年代正式把生物数学列为学科目录;世界 各地生物数学的学术会议层出不穷,生物数学呈现了一派欣欣向荣的局面。 1 9 8 0 年以前,我国生物数学的研究大多集中于生物统计,2 0 世纪8 0 年代 以来,生物数学的研究队伍日益扩大,研究成果也不断向纵深发展,特别是种 群动力学领域,出现了许多颇具影响的研究成果,标志着我国生物数学的研究 队伍已比较成熟、渐趋稳定。 生态学的数学模型,以是否考虑随机因素划分,可以将模型分为两大类: ( 1 ) 确定性模型。比如m a l t h u s 模型:假定在任何时刻t ,人口的增长率查掣 4 f 始终与该时刻的人口数x ( t ) 成正比,记比例常数r ( r 0 ) ,于是得到m a l t h u s 人 口模型 生物种群模型和静态神经网络模型中的随机扰动分析 掣= 肛( f ) , ( 卜1 ) 4 f 这是一个简单的常微分方程,可以通过分离变量法求解。 ( 2 ) 随机模型。如果考虑到环境的随机波动对种群的影响,其模型是随机方程。 例如,如果考虑环境的随机变动对种群出生率和死亡率的影响,相应于m a l t h u s 人口模型( 1 一1 ) 的随机微分方程是 掣:【,+ 口( f ) 】工( ,) , a t 其中a ( t ) 是一个随机过程,它反映了环境的随机性。 一般来说,随机模型比确定性模型更贴近于现实,可是,由于随机模型的 研究远比确定性模型复杂,所以目前国内外学者研究的成果多与确定性模型有 关,关于随机模型研究的相对偏少,本文主要研究带有白噪声的随机模型,研 究了这种随机模型解的存在唯一性、平衡点的稳定性问题,并估计了解的上限 增长速度。 1 2 人工神经网络的产生与发展 人类大脑是一个高度复杂的非线性的并行系统。人脑是由大约1 0 1 0 至l o 砣 个不同类型的神经细胞( 神经元,n e u r o n ) 组成的,就其共性而言,神经元包 含树突、轴突和细胞体三部分,见下图1 - 1 。 树突神经元的信息接收器,接受并解释来自其他神经元轴突的化学信息。 一旦树突接受了一定的信息组合,即向细胞体发出信号。 一 细胞体神经元的控制中心,响应并解释来自各个树突的信息,然后通过轴 突输出信息。 轴突神经元信息传送者,传送一种称为动作电位的电信号,释放化学信息 给相邻神经元的树突。一个神经元的轴突可以分支伸延与数百个其它神经元相 连。 2 生物种群模型和静态神经网络模型中的随机扰动分析 图i - i 生物神经元结构 神经元通过树突与轴突彼此相互连接,组成了网状结构,被称为神经网络。 研究表明,大脑中的神经元被组织成大约1 0 0 0 个模块( m o d u l e s ) ,每个模块包 含大约5 0 0 个神经网络,每个神经网络又由约1 0 5 个神经元连接而成。单个神经 元的功能是简单的,不具备存贮智能或信息的能力,但是人脑可以通过改变神 经元之间的连接来实现学习和记忆。改变大脑神经元之间连接模式或强度,就 改变了大脑掌握的信息。因此,人脑的智能存在于大规模的神经元相互连接之 中,存在于网络神经元相互作用之中,即智能是分布式存在于神经元之间的连 接模式和连接强度之中。 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ) ,是通过模拟人类大脑结构, 实现某类智能行为的信息处理系统。其基本处理单元与神经生理学类比往往被 称为人工神经元。自从1 9 4 3 年m c c u l l o c h 和p i t t s 合作提出了肝模型之后, 许多神经元模型被相继提出,这些模型包含着若干基本共同特征。因此,我们 只讨论一种通用神经元模型,见下图i - 2 。 输入x = ( 茗。,工:,工) r 人工神经元的输入端将来自其他人工神经元的信 息引入,也可将自身的输出信号或外部信息引入。 权重w = ( w 玎) 脚输入对神经元的影响大小由权重来反映,从一个神经元 到另一个神经元的信号强度也由它们之间的连接权重加以调节,权重直接影响 生物种群模型和静态神经网络模型中的随机扰动分析 从一个神经元到另一个神经元的作用量。 连接函数w x 将各输入量与对应的权重进行处理,并将处理结果送至传递 函数。最常见的连接函数是加权求和函数。 传递函数,( 嬲) 也称为作用函数、活性函数,将连接函数的结果映射为 神经元的输出。目前,人们已经提出了许多种传递函数。 输出y = ( r e x ) 传递函数作用的结果,一个神经元只有一个输出值。 图1 - 2 人工神经元结构 相应的,人工神经元按照一定的拓扑结构相互连接组成的网络被称为人工 神经网络 早在1 9 4 3 年,心理学家w a r r e nm c c u l l o c h 和数理逻辑学家w 2 l l t e rp i t t s 从 信息处理的角度出发,采用数学模型的方法,对生物神经细胞的行为进行研究, 提出了形式神经元模型,称为m p 模型。通过m p 模型提出了神经元的形式化 数学描述和网络构造方法,证明了单个神经元能够执行逻辑功能,从而开创了 人工神经网络研究的时代。此后,感知器( p e r c e p t r o n ) 、自适应线性神经元等 概念的引入继续推动着神经网络的发展。 但是,在1 9 6 9 年m a r v i nm i n s k y 和s e y m o u rp a p e r t 出版了感知器 ( p e r c e p t r o n ) 一书,该书指出:简单的感知器只能局限于处理线性问题,对于 4 生物种群模型和静态神经网络模型中的随机扰动分析 像x o r ( 异或) 这样简单的非线性问题都无能为力。他们提出了构造含有隐层 的多层感知器的方案,但对隐层神经元的学习规则并不清楚,并对此持悲观态 度。加之当时v o nn e u m a n n 数字计算机和人工智能正处于发展的黄金时期,暂 时掩盖了发展新型计算机和人工智能新前途的必要性和迫切性,使得人工神经 网络的研究一度处于低潮。 直至1 9 8 2 年,美国加州工学院物理学家j o h nh o p f i e l d 提出了h o p f i e l d 神经 网络模型,引出了“能量函数 的概念,给出了网络稳定性的判据,并成功地 解决了著名的“旅行商问题,成为人工神经网络走向成熟的里程碑。1 9 8 4 年, 他又提出了连续时间h o p f i e l d 神经网络模型,为神经计算机的研究做了开拓性 的工作,开创了神经网络用于联想记忆和优化计算的新途径,有力的推动了神 经网络的研究。 1 9 8 6 年,d e r u m e h a r t 和j l m c c l e l l a n d 提出多层网络学习的误差反传播 算法,实现了m i n s k y 引入隐层的设想。 1 3 人工神经网络的研究现状 随着计算机技术的普及和发展,人工神经网络的研究和应用也取得了惊人 的进展,涉及自然科学、社会科学、应用科学及综合性交叉学科等各个方面, 取得了令人瞩目的成果,主要应用有以下方面。 1 模式识别。比如非线性系统识别、动态系统识别、图形和文字识别、卫星 遥感图像识别、声音识别、模糊系统识别、化学过程的仿真和识别、医疗疾病 的诊断等。 2 。预测和预报。在预测和预报方面的主要应用有:经济发展预测、银行汇率 预测、股市行情预测、市场需求预测、天气预报、江水径流预报、洪水预报、 电力负荷预报、交通状况预报等。 3 优化问题。如电力输送的优化、大型混合问题的解决、能源的优化利用、 水资源优化配置、水库优化调度等。 4 神经控制。基于神经网络的智能控制有:工程过程控制、运载工具控制、 机器人的智能控制、冰箱温度智能控制、机械振动系统的智能减震控制等。 5 生物种群模型和静态神经网络模型中的随机扰动分析 5 智能决策和专家系统。如人力物力优化分配与调度、智能数据库系统、专 家系智能学习和判断分析系统等。 进入2 0 世纪9 0 年代,人工神经网络作为新学科、新方法和新技术,在自 然科学和社会科学各个领域得到了广泛的应用,取得了丰硕的成果。神经网络 技术研究也随之得到飞速发展,各种网络结构和算法系统应运而生,逐渐构成 了较为完善的人工神经网络理论体系 6 - 1 7 1 。同时,人工神经网络的学术交流日 益频繁,形成了良好的学术氛围,对人工神经网络的研究也成为了一个学术研 究的热点。 1 9 8 7 年6 月电气和电子工程师协会( i e e e ) 在美国加州举行了第一届人工 神经网络( 舢州) 国际会议,并成立了国际神经网络学会,此后,每年召开两 次国际联合神经网络大会( u c n n ) 。我国于1 9 9 0 年1 2 月在京召开了第一次中 国神经网络学术大会,规定每年召开一次,并于1 9 9 1 年成立了中国神经网络学 会。 1 4 静态神经网络 人工神经网络大体可分为两类:一类是以硬件或软件实现的人工神经网络, 以完成某些特定的信息处理功能为目的,这类网络不妨称为工程人工神经网络; 另一类是工程人工神经网络提出的由数学模型表达的递归神经网络,这类人工 神经网络主要研究其动力特征来揭示工程人工神经网络的特性和功能,为设计 和开发工程人工神经网络提供理论保证和支持。我们的工作主要是研究人工神 经网络数学模型的动力特征。 神经网络根据网络结构( 神经元间连接方式) 的不同,可以分为:前馈网 络( f e e d f o r w a r dn e t w o r k s ) 和反馈网络( f e e d b a c kn e t w o r k s ) ,反馈网络又 称递归网络( r e c u r r e n tn e t w o r k s ) 。 递归神经网络可分为离散型和连续型,其模型分别对应了离散动力系统和 连续动力系统。 离散型h o p f i e l d 神经网络模型 6 生物种群模型和静态神经网络模型中的随机扰动分析 盼黧三_ 连续型递归神经网络以模拟量作为网络的输入输出量,各神经元采用并行 方式工作,更易于由简单的电子网路实现,许多模型被相继提出。例如,h o p f i e l d 将他的离散型模型推广为连续型模型,提出了可以由电子网路实现的连续型 h o p f i e l d 网络模型 g 警叫足+ 喜呐h , 2 根据基本变量的不同选择,连续型递归神经网络的数学模型可以分为局域 神经网络模型( l o c a lf i e l dn e u r a ln e t w o r k sm o d e l s ) 和静态神经网络模型( s m f i c n e u r a ln e t w o r k sm o d e l s ) 两类。 局域神经网络模型将神经元内部状态作为基本变量,其基本形式为 r 警一枷喜呐( f ) ) + , i = 1 , 2 , - - - , n 常见局域神经网络模型有:双向联想记忆( b a m ) 模型,细胞神经网络( c n n s ) 模型,h o p f i e l d 神经网络模型。 静态神经网络模型将神经元的外部状态作为基本变量,其基本形式为 f 警q ( 喜啪h ) ,2 , 。, 常见静态神经网络模型有:递归b p 网络( r e b p a n y p en n s ) 模型,脑中盒 ( b s b ) 模型。 目前,递归神经网络模型已经被深入的研究,并取得了众多成果。但大部 分是基于局部神经网络模型进行的,静态神经网络模型的动力学性质还未被深 入讨论。由于静态神经网络有广泛代表性,因此对其进行深入研究有非常重要 的理论指导意义。本文研究了变时滞静态神经网络模型的动力行为并考虑了参 数的不确定性、随机扰动的影响。 7 生物种群模型和静态神经网络模型中的随机扰动分析 2 具有随机扰动的共生系统解的上限估计 2 1 预备知识 考虑二维l o t k a - v o lt e r r a 共生系统模型 出= ( 戤+ 岫一“2 ) d ,r ,( 2 - i ) 气j 【a y = ( q ) ,+ 岛拶一c r y 2 ) d r 其中工,y 分别表示两种群a ,b 的个体数量,a ,6 ,c ,口l ,2 j i ,c l 是正常数。模型 ( 2 - 1 ) 是描述共生系统的经典模型,较好的反映了有共生关系的两种群数量变 化的规律,但是环境总是在随机的发生变化,这可能导致模型( 2 - i ) 中各系数 也在随机的变化。本文假设内禀增长率a ,a q ,和反映种内竞争的系数c ,c l 在环 境的随机影响下发生随机扰动。由此,在模型( 2 - 1 ) 的基础上建立如下随机模 型 如+ 幻吨2 寥“即+ 驴簟( 2 - 2 ) 【方= ( q y + b x x y c x y 2 ) d t + ( c r t y + 吒y 2 ) d w t 其中磊,暖,q ,吒均为正常数,体现了扰动的强度。记( q f ,豫) 卸,尸) 是完全 概率空间,豫t 卸满足通常的条件( 即只右连续且磊包含所有尸测度为0 的集 合) ,嵋是建立在概率空间( g f ,汜) 肿,尸) 上的一维w i e n e r 过程。 2 2 主要结果 定理2 2 1 记r := ( 工,y ) f 工 o ,y o ,( 工,) ,) r 2 ,从任一点 ( 而,y o ) r :出发的模型( 2 2 ) 的解在【0 ,榔) 上存在,唯一,正定。 证明:任给初值( y o , y o ) 尺:,由系数矩阵f 戤+ ? 一“:1 , l 4 1 ) ,+ 岛秽一c l y f 区工+ 盈r :1 的连续可微性保证了解的局部存在唯一性,所以存在区间【o 乙) , l 吼) ,+ 吒) , t 。是满足科对所有的f 【o ,t 。) ,0 力 + o o 且0 o 和f ( o 1 ) 使 得e t 。缸z 占,所以对所有的七k o ,有 p 气t f , 2222 定义月:上的正定函数:v ( x ,) ,) = 工i + y i l n ( x ) i i n ( y ) i , 由伊藤公式1 幻计算得 d v ( x ,y ) = v x ( a x + b x y - c x 2 ) d t + 匕( 口l y + b l x y c l y 2 ) d r ( 2 - 4 ) + - 妻i y = c 4 工+ 疋工2 ) 2 + ( 吼) ,+ :) ,2 ) 2 】出+ l y e ( 4 工+ 以石2 ) + 匕( q y + 吒) ,2 ) 】咖f 所以 = c - 1 ) ( 船+ 脚。肌c 一如c a l y + b i 矽- - c l y 2 ,出 + 吾【( 一詈石一;+ 詈工一2 ) ( 4 工+ 盈工2 ) 2 + ( 一詈y 一;+ 詈y - 2 ) ( q ) ,+ 乃y 2 ) 2 】出 + 【( 1 1 ) ( 讲驴) + ( 爹一詈y - l y + 眦, e ( 戤+ 岫一以2 ) + e ( 口。) ,+ 饥掣- c t y 2 ) + 圭【叱( 瓯工+ 磊工2 ) 2 + ( q y + 吒) ,2 ) 2 】 = ( - 1 ) ( 甜+ 嘶) + ( 詈y 一扣( 口l y + 么矽- c 。y z ) + 言【( 一詈工 + j 2x 一2 ) ( 磊工+ 疋工2 ) 2 + ( 一詈) , + 詈y 五) ( q ) ,+ 吒) ,2 ) 2 1 c 争一弦啪+ + y z ,一扣c 詈y ;一2 ) ( a 。- q y ,+ 爹。,一扣 + 三【( 一吾工;+ 争( 磊+ 以工) 2 + ( 一詈y ;+ 争( q + y ) 2 】, 9 生物种群模型和静态神经网络模型中的随机扰动分析 容易看出上面的多项式中不含工,y 的交叉项,且工和y 的最高次项系数均为负, 所以存在有限数m 0 ,使得 v ,( a x + b x y c x 2 ) + v r ( a t y + 岛掣- c 1 ) ,2 ) + 叱( 4 工+ 盈z 2 ) 2 + v ( o t y + o z y 2 ) 2 】 肘, 在上成立。所以 d v ( x ,y ) m d t + v 。( s l x + 8 2 x 2 ) + 匕( q ) ,+ 吒) ,2 ) d w t , 两边取积分得 “i r y)j+hjr(;工;一詈工1)(4x+磊工z)+(詈),。;一j2y-t)(crty,2idwtdv(x, 2 +02y2)dwt,00 , y ) 础+ ( 。詈工1 ) ( 4 x + 磊工2 ) + ( 鲁) ,百一百 , o _, 一 其中气 丁= r a i n t , ,t ) , 对上面的积分不等式两边取期望可得 e v ( x ( t ia t ) ,y ( t i r ) ) v ( x o ,y o ) + 膨x e ( t ia t ) v ( x o ,y o ) + m r ,( 2 - 5 ) 令q j = t t r ,k k o ,由( 4 ) 可知:p c n i ) 占每一个缈g ,在“( 妫点 工,) ,至少有一个到达七或i 1 ,再由y ( 毛y ) 的构造可知,取足够大就能保证 y ( 工( “,国) ,y ( t t ,缈) ) k3 - i n ( k ) 3 , 4 绒 v ( x ( t i ,国) ,y ( t t ,国) ) ( i k ) 3 一h a ( i i ) 3 , 即 v ( x ( t k ,缈) ,) ,( 气,缈) ) 七3 - i n ( t ) 3 八 ( 1 ,七) 3 - l n ( 1 k ) 3 】。( 2 - 6 ) 从而,由( 2 - 5 ) 和( 2 - 6 ) 得 v ( x o ,y o ) + 膨r e v ( x ( t , a t ,c o ) ,y ( t ka t ,c o ) e l i o t v c x ( t ia t ,动,) ,( 气 z ,缈) ) 】 = e 1 0 , v ( x ( q ,c o ) ,y ( t ,妫) 】d ( 1 ,七) 3 - i n ( i k ) 3 】a 七3 - h a ( t ) 3 , 其中i q 是q i 上的指示函数,在上式中让七专佃,得v ( x o ,y o ) + 胛寸佃, 而由假设v ( x o ,y o ) + 胛显然是有限数,得到矛盾,所以t m h = 佃a s ,即 模型( 2 - 2 ) 的解在 0 ,栅) 上存在,唯一,正定。 定理2 2 2 若0 0 l ,0 0 ,使得 觚口+ 譬+ 譬y 2 一触1 + 口+ 红y f + 譬工2 + 譬y 2 t q y 纠 - 1 2 0 ( 1 一目) 工占( 磊+ 疋工) 2 一丢善( 1 一。) ,钇q + 0 2 y ) 2 k ( o ,。 所以:d e v ( x ,y ) k ( o ,o a t , 两边积分得:rd e v ( 工,y ) r k ( o ,孝) 出,耳pe v ( 工( f ) ,y ( f ) ) y ( x 0 , ) ,。) + 置( 口,f 弦。 所以e ( x 口( r ) + y f ( f ) ) 工一( 0 ) + ) ,f ( 0 ) + 置( p ,0 f 。 常坪得仟。 生物种群模型和静态神经网络模型中的随机扰动分析 3 具有随机扰动的竞争模型平衡点的稳定性 3 1 预备知识 考虑二维确定性竞争模型 出= ( 似一幻7 - 戗2 ) 寰,( 3 - i ) 【匆= ( q ) ,一岛掣一q y 2 ) 出 其中x ,y 分别表示两种群a ,b 的个体数量,a ,b ,c ,q ,2 j i ,c

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论