Влияние стохастизации на одношаговые модели

Обложка

Цитировать

Полный текст

Аннотация

Предполагается, что введение стохастики в математическую модель делает её более адекватной. При этом практически отсутствуют методы согласованного (зависящего от структуры системы) введения стохастики в детерминистические модели. Авторами была усовершенствована методика построения стохастических моделей для класса одношаговых процессов и проиллюстрирована на примере моделей популяционной динамики. Популяционная динамика была выбрана для исследования потому, что её детерминистические модели достаточно хорошо исследованы, что позволяет сравнить полученные результаты с уже известными. В работе изучено влияние введения стохастики в детерминистические модели на примере системы популяционной динамики типа «хищник–жертва». Полученные ранее стохастические дифференциальные уравнения исследуются методами качественной теории дифференциальных уравнений. Получено стационарное состояние и первый интеграл системы. Для демонстрации результатов производится численное моделирование на основе метода Рунге–Кутты для стохастических дифференциальных уравнений. Первый интеграл детерминистической системы (фазовый объём) в стохастическом случае не сохраняется, а возрастает, что в конечном итоге приводит к гибели одной или обеих популяций. Одним из недостатков классической системы типа «хищник–жертва» считается сохранение амплитуды колебаний популяций. В стохастической же модели процесс завершается гибелью одной или обеих популяций, что, с точки зрения авторов, делает модель более адекватной.

Об авторах

Анастасия Вячеславовна Демидова

Российский университет дружбы народов

Email: avdemidova@sci.pfu.edu.ru
Кафедра систем телекоммуникаций

Мигран Нельсонович Геворкян

Российский университет дружбы народов

Email: mngevorkyan@sci.pfu.edu.ru
Кафедра систем телекоммуникаций

Александр Дмитриевич Егоров

Институт математики НАНБ

Email: egorov@im.bas-net.by

Дмитрий Сергеевич Кулябов

Российский университет дружбы народов

Email: dharma@sci.pfu.edu.ru
Кафедра систем телекоммуникаций

Анна Владиславовна Королькова

Российский университет дружбы народов

Email: akorolkova@sci.pfu.edu.ru
Кафедра систем телекоммуникаций

Леонид Антонович Севастьянов

Российский университет дружбы народов

Email: sevast@sci.pfu.edu.ru
Кафедра систем телекоммуникаций

Список литературы

  1. Кулябов Д.С., Демидова А.В. Введение согласованного стохастического члена в уравнение модели роста популяций // Вестник РУДН. Серия «Математика. Информатика. Физика». — 2012. — № 3. — С. 69–78.
  2. Demidova A.V., Sevastianov L.A., Kulyabov D.S. Application of Stochastic Differencial Equations to Model Population Systems // Third International Conference on Mathematical Modelling of Social and Economical Dynamics MMSED-2010 / Russian State Social University. — 2010. — Pp. 92–94.
  3. Вольтерра В. Математическая теория борьбы за существование. — М.: Наука, 1976.
  4. Базыкин А.Д. Нелинейная динамика взаимодействующих популяций. — Москва-Ижевск: Институт компьютерных исследований, 2003.
  5. Братусь А.С., Новожилов А.С., Платонов А.П. Динамические системы и модели биологии. — М.: Физматлит, 2010.
  6. Debrabant K., Röbler A. Classification of Stochastic Runge–Kutta Methods for the Weak Approximation of Stochastic Differential Equations // Mathematics and Computers in Simulation. —2008.—Vol. 77, No 4.—Pp. 408–420.
  7. Tocino A., Ardanuy R. Runge–Kutta Methods for Numerical Solution of Stochastic Differential Equations // Journal of Computational and Applied Mathematics. — 2002. — Vol. 138, No 2. — Pp. 219–241. — ISSN 0377-0427. — http://www.sciencedirect.com/science/article/pii/S0377042701003806.
  8. The Method of Stochastization of One-Step Processes / A.V. Demidova, A.V. Korolkova, D.S. Kulyabov, L.A. Sevastianov // Mathematical Modeling and Computational Physics. — JINR, 2013. — P. 67.
  9. Гардинер К.В. Стохастические методы в естественных науках. — Мир, 1986.
  10. Oksendal B.K. Stochastic Differential Equations: An Introduction with Applications. — Berlin: Springer, 2003.
  11. Lotka A.J. Elements of Physical Biology. — BiblioBazaar, 2011. — ISBN 9781178508116, 492 p. — http://books.google.ru/books?id=tFN9pwAACAAJ.
  12. Демидова А.В. Уравнения динамики популяций в форме стохастических дифференциальных уравнений // Вестник РУДН. Серия «Математика. Информатика. Физика». — 2013. — № 1. — С. 67–76.
  13. Демидова А.В. Метод стохастизации математических моделей на примере системы «хищник–жертва» // Научная сессия НИЯУ МИФИ-2013. — 2013. — С. 127.
  14. Королькова А.В., Кулябов Д.С. Методы стохастизации математических моделей на примере пиринговых сетей // Научная сессия НИЯУ МИФИ-2013. Аннотации докладов. В 3 томах. — Москва: МИФИ, 2013. — С. 131.
  15. Демидова А.В., Кулябов Д.С., Севастьянов Л.А. Согласованный стохастический член в популяционных моделях // XI Белорусская математическая конференция. — Минск: Институт математики НАН Беларуси, 2012. — С. 39.
  16. Марри Д. Нелинейные дифференциальные уравнения в биологии. Лекции о моделях. — М.: Мир, 1983.
  17. Свирежев Ю.М., Логофет Д.О. Устойчивость биологических сообществ. — М.: Мир, 1983.
  18. Эрроусмит Д., Плейс К. Обыкновенные дифференциальные уравнения. Качественная теория с приложениями. — М.: Мир, 1986.
  19. Одум Ю. Основы экологии. — Москва: Мир, 1975.
  20. Лукшин А.В., Смирнов С.Н. Численные методы решения стохастических дифференциальных уравнений // Математическое моделирование. — 1990. — Т. 2, № 11. — С. 108–121.
  21. Soheili A.R., Namjoo M. Strong Approximation of Stochastic Differential Equations with Runge-Kutta Methods // World Journal of Modelling and Simulation. — 2008. — Vol. 4, No 2. — Pp. 83–93.
  22. Геворкян М.Н. Конкретные реализации симплектических численных методов // Вестник РУДН. Серия «Математика. Информатика. Физика». — 2013. — № 1. — С. 77–89.
  23. Геворкян М.Н. Условие явности и диагональной неявности при композиции метода Рунге–Кутты со своим присоединенным // Вестник РУДН. Серия «Математика. Информатика. Физика». — 2012. — № 3. — С. 87–96.
  24. Gevorkyan M.N., Gladysheva J.V. Symplectic Integrators and the Problem of Wave Propagation in Layered Media // Bulletin of Peoples’ Friendship University of Russia. Series “Mathematics. Information Sciences. Physics”. — 2012. — No 1. — Pp. 50–60.
  25. Logmani G.B. High Strong Order Implicit Runge–Kutta Methods for Stochastic Ordinary Differential Equations // System Dynamics Society. Proceedings of the 22nd International Conference. — Oxford, England, UK: 2004. — http://www.systemdynamics.org/conferences/2004/SDS_2004/PAPERS/109LOGHM.pdf.
  26. Kinderman A.J., Monahan J.F. Computer Generation of Random Variables Using the Ratio of Uniform Deviates // ACM Transactions on Mathematical Software. — 1977. — Vol. 3, No 3. — Pp. 257–260. — http://stevereads.com/papers_to_read/computer_generation_of_random_variables_using_the_ratio_of_uniform_deviates.pdf.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Демидова А.В., Геворкян М.Н., Егоров А.Д., Кулябов Д.С., Королькова А.В., Севастьянов Л.А., 2014

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.