數(shù)學(xué)建模筆記之馬爾薩斯人口模型(一)

本文使用Latex公式排版,而簡書不支持Latex排版,為獲得更好的閱讀體驗(yàn),請(qǐng)移步個(gè)人博客原文地址:數(shù)學(xué)建模筆記之馬爾薩斯人口模型(一)

馬爾薩斯人口論

基本內(nèi)容

人口按照幾何增長趨勢發(fā)展( 按照指數(shù)函數(shù)增長的趨勢 )
而實(shí)物只有算術(shù)增長的趨勢( 按照線性函數(shù)增長的趨勢 )
結(jié)論:控制人口增長

馬爾薩斯數(shù)學(xué)模型

現(xiàn)在我們使用 $P(t)$ 表示t時(shí)刻的人口數(shù)量,用$r$表示人口增長率
現(xiàn)在看做一個(gè)連續(xù)模型:變化在隨時(shí)發(fā)生,也即人的生老病死隨時(shí)在發(fā)生, 則有:
$$P(t+\Delta t)-P(t)=rP(t)\Delta t$$
$$P(t+dt)-P(t)=rP(t)dt$$
$$\dfrac{dP(t)}{dt}=rP(t)$$
$$P(t_0)=P_0$$
則我們可以根據(jù)以上公式推斷出當(dāng)t為某個(gè)具體值時(shí), 我們得到的人口數(shù)目為 $P(t)=P_0e^{r(t-t_0)}$, 當(dāng)$t$趨近于無窮大的時(shí)候我們發(fā)現(xiàn)人口確實(shí)成指數(shù)增長

從這里我們可以看到數(shù)學(xué)建模研究的一個(gè)大致思路:


數(shù)模思路

Logistic模型

在上述馬爾薩斯模型中, 人口增長率是基于一定時(shí)間段的結(jié)果, 例如基于當(dāng)時(shí)的工業(yè)農(nóng)業(yè)現(xiàn)有人口現(xiàn)狀是有一定意義的,即是說當(dāng)時(shí)的情況下人口增長率是可以在在短期內(nèi)保持一個(gè)特定的數(shù)值
但是在當(dāng)今情況下, 人口增長率必定是一個(gè)關(guān)于時(shí)間的函數(shù)
$$r(t)=r(P(t))=r(1-\dfrac{P(t)}{K})$$這里的K表示我們所研究的生態(tài)系統(tǒng)最多可以容納支撐的人口數(shù)量(即生物學(xué)上所說的最大容納量)
則人口數(shù)量關(guān)于時(shí)間的積分有:
$$\frac{dN(t)}{dt}=r(1-\frac{N(t)}{K})N(t)$$ $$N(t_0)=N_0$$
則我們?nèi)》e分后可以得到:
$$N(t)=\frac{K}{1+Ce^{-r(t-t_0)}}$$
其中C表示一個(gè)參數(shù):
$$C=\frac{K-P_0}{P_0}$$
則我們考察$t$趨近于無窮大時(shí)的極限,結(jié)果與馬爾薩斯模型完全不同
我們可以繪制出人口與時(shí)間關(guān)系的圖形:


logistic模型圖

與馬爾薩斯模型相比較,這里增加了一個(gè)參數(shù)$K$, 而且這個(gè)參數(shù)不容易計(jì)算或估計(jì)($K$表示環(huán)境最大容納量)
則我們對(duì)模型 $\frac{dN}{dt}=rN(1-\frac{N}{K})$ 考慮離散化:
$$\frac{\Delta N}{\Delta t}=rN(1-\frac{N}{K})$$
則有:
$$N_{t+1}-N_t=rN_t(1-\frac{N_t}{K})$$
這里的時(shí)間離散步為1,每一代就是一個(gè)時(shí)間步
$$N_{t+1}=(1+r)N_t-\frac{r}{K}N_t^2$$
然后我們?nèi)《▍?shù)$K$,考慮不同的參數(shù)$r$:
有:

一周期解

![二周期解]
](http://upload-images.jianshu.io/upload_images/3020761-2ad6a7cd778385cc.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

四周期的解
八周期的解
倍周期示例
混沌

后面的關(guān)于時(shí)間$t$的離散討論已經(jīng)超越這個(gè)模型本身了,僅作簡單介紹

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末毛肋,一起剝皮案震驚了整個(gè)濱河市蓖康,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,591評(píng)論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異杆麸,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)浪感,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,448評(píng)論 3 392
  • 文/潘曉璐 我一進(jìn)店門昔头,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人影兽,你說我怎么就攤上這事揭斧。” “怎么了峻堰?”我有些...
    開封第一講書人閱讀 162,823評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵讹开,是天一觀的道長盅视。 經(jīng)常有香客問我,道長旦万,這世上最難降的妖魔是什么闹击? 我笑而不...
    開封第一講書人閱讀 58,204評(píng)論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮成艘,結(jié)果婚禮上赏半,老公的妹妹穿的比我還像新娘。我一直安慰自己狰腌,他們只是感情好除破,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,228評(píng)論 6 388
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著琼腔,像睡著了一般瑰枫。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上丹莲,一...
    開封第一講書人閱讀 51,190評(píng)論 1 299
  • 那天光坝,我揣著相機(jī)與錄音,去河邊找鬼甥材。 笑死盯另,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的洲赵。 我是一名探鬼主播鸳惯,決...
    沈念sama閱讀 40,078評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼叠萍!你這毒婦竟也來了芝发?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 38,923評(píng)論 0 274
  • 序言:老撾萬榮一對(duì)情侶失蹤苛谷,失蹤者是張志新(化名)和其女友劉穎辅鲸,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體腹殿,經(jīng)...
    沈念sama閱讀 45,334評(píng)論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡独悴,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,550評(píng)論 2 333
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了锣尉。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片刻炒。...
    茶點(diǎn)故事閱讀 39,727評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖自沧,靈堂內(nèi)的尸體忽然破棺而出落蝙,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 35,428評(píng)論 5 343
  • 正文 年R本政府宣布筏勒,位于F島的核電站移迫,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏管行。R本人自食惡果不足惜厨埋,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,022評(píng)論 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望捐顷。 院中可真熱鬧荡陷,春花似錦、人聲如沸迅涮。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,672評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽叮姑。三九已至唉地,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間传透,已是汗流浹背耘沼。 一陣腳步聲響...
    開封第一講書人閱讀 32,826評(píng)論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留朱盐,地道東北人群嗤。 一個(gè)月前我還...
    沈念sama閱讀 47,734評(píng)論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像兵琳,于是被迫代替她去往敵國和親狂秘。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,619評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容