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.

© 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.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах